近年來,隨著城市車輛保有量不斷增加,使得道路交通壓力倍增,交通擁堵問題已引起了人們的極大關注。一方面,道路交叉口作為城市交通信號控制的最小單元,是緩解交通擁堵的關鍵節(jié)點;另一方面,交通信號控制是管理交叉口車輛通行最有效的途徑。因此,本文根據國內外研究現(xiàn)狀分析,重點研究了基于交通流量預測的城市交通信號控制,主要研究內容如下:（1）研究了基于深度學習的交通流量預測模型。分析了交通流量數據的時空相關性和考慮降雨量影響的特征,并根據降雨量的影響,采用改進的K-means算法對歷史交通流量數據進行聚類處理。結合交通流量數據時空特性,設計了深度長短期記憶神經網絡（ST-LSTM）預測模型。將聚類處理后的歷史交通流量數據在Tensorflow框架下訓練預測模型,并利用訓練好的深度神經網絡進行預測;通過與ARIMA、BP和SVM等預測模型實驗對比,結果表明,ST-LSTM預測模型具有較高的預測準確度。（2）提出了基于多目標優(yōu)化模型的交叉口自適應控制模型。建立了以CO2排放量、車輛延誤、交叉口通行能力和停車次數等多目標的優(yōu)化模型,并利用多目標進化算法求解模型的最優(yōu)參數。根據短時交通流量預測數據和交叉口實... 

【文章來源】：華南理工大學廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：114 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀分析
        1.2.1 交通流量預測研究現(xiàn)狀
        1.2.2 交叉口信號控制研究現(xiàn)狀
        1.2.3 多交叉口信號協(xié)調控制研究現(xiàn)狀
        1.2.4 智能交通控制系統(tǒng)設計研究現(xiàn)狀
        1.2.5 研究現(xiàn)狀總結
    1.3 研究的主要內容
    1.4 論文結構與章節(jié)安排
        1.4.1 論文結構
        1.4.2 章節(jié)安排
    1.5 本章小結
第二章 基于深度學習的交通流量預測
    2.1 引言
    2.2 循環(huán)神經網絡模型
    2.3 基于深度學習的交通流量預測模型
        2.3.1 考慮天氣狀況的交通流量分析
        2.3.2 交通流量的時空相關性分析
        2.3.3 改進的循環(huán)神經網絡模型
        2.3.4 交通流量預測方法
    2.4 實例仿真
        2.4.1 實驗環(huán)境
        2.4.2 數據準備
        2.4.3 評價準則
        2.4.4 實驗與結果分析
    2.5 本章小結
第三章 基于多目標優(yōu)化的交叉口自適應控制
    3.1 引言
    3.2 交叉口信號控制方法
        3.2.1 定時信號控制方式
        3.2.2 感應控制方式
        3.2.3 智能控制方式
    3.3 多目標優(yōu)化模型
        3.3.1 碳排放量計算方法
        3.3.2 車輛延誤時間
        3.3.3 交叉口通行能力
        3.3.4 停車次數
        3.3.5 模型建立與求解
    3.4 交叉口自適應控制算法
        3.4.1 自適應控制原理
        3.4.2 自適應控制參數計算方法
        3.4.3 自適應控制算法
    3.5 實例仿真
        3.5.1 仿真方案設計
        3.5.2 數據準備
        3.5.3 仿真參數求解
        3.5.4 仿真結果與分析
    3.6 本章小結
第四章 基于數解法的干道瓶頸交叉口信號協(xié)調控制
    4.1 引言
    4.2 問題提出
    4.3 瓶頸交叉口判別
    4.4 基于數解法的協(xié)調模型
        4.4.1 基本假設
        4.4.2 協(xié)調控制參數計算
    4.5 瓶頸交叉口信號協(xié)調控制
        4.5.1 瓶頸交叉口通行能力
        4.5.2 排隊檢測與清空時間
        4.5.3 瓶頸交叉口動態(tài)控制
    4.6 算例分析與仿真
        4.6.1 算例分析
        4.6.2 仿真數據說明
        4.6.3 仿真與結果分析
    4.7 本章小結
第五章 基于多智能體協(xié)同的多交叉口信號協(xié)調控制
    5.1 引言
    5.2 常用的Maxband協(xié)調模型
    5.3 多智能體協(xié)同控制
    5.4 排隊消散時間
    5.5 基于多智能體協(xié)同理論的多交叉口綠波協(xié)調控制
        5.5.1 基本假設
        5.5.2 智能體參數計算
        5.5.3 多交叉口綠波協(xié)調控制算法
    5.6 實例仿真與結果分析
        5.6.1 實例仿真
        5.6.2 仿真結果分析
    5.7 本章小結
第六章 基于云計算的智能交通控制系統(tǒng)設計
    6.1 引言
    6.2 Hadoop平臺
    6.3 交通云系統(tǒng)框架
    6.4 智能交通控制系統(tǒng)設計
        6.4.1 項目背景
        6.4.2 功能結構設計
    6.5 系統(tǒng)實現(xiàn)
    6.6 本章小結
結論與展望
參考文獻
攻讀碩士學位期間取得的研究成果
致謝
附件



本文編號：3193682