針對高速公路交通堵塞問題,建立了依據(jù)車輛行駛的時空特征信息模型。在經(jīng)過清洗、修復(fù)等處理后的高速公路收費數(shù)據(jù)中挖掘車輛軌跡信息,建立了交通流狀態(tài)參數(shù)的二維矩陣模型,從該模型中可以得到任一車輛在某一空間位置任一時刻的詳細(xì)信息,并由此推斷出當(dāng)下時刻其他所有車輛的斷面分布狀況。通過剖析獲得的流量-密度散點關(guān)聯(lián)圖以及速度-密度散點關(guān)聯(lián)圖,最終獲得識別交通流狀況的相圖。最后以廣州某高速公路的資料為例,參照標(biāo)準(zhǔn)對比結(jié)果,相對誤差0.79%。 

【文章來源】：公路工程. 2020,45(03)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

研究過程

a.流量。首先,以收費站為分界點對各收費站點從0開始進(jìn)行編號,將該高速公路分為0～1、1～2、……、k～k+1等不同路段,其示意圖2所示。當(dāng)車輛從空間位置0站點駛?cè)?由1點駛離,并在時間上滿足條件[t1,t2]的條件時,0～1路段時段的[t1,t2]流量屬性值增加一個單位量。同理,當(dāng)從0處進(jìn)入,由k+1處離開時,在路段0～k+1的各個空間位置上分別對應(yīng)的時間范圍內(nèi)流量屬性值分別加一個單位量。即起始路段區(qū)域0～1上的車流量包含所有從收費站點0進(jìn)入該高速,出口可以是任何收費站點的車輛;中間路段區(qū)域i～i+1上的車流量可以表示為途經(jīng)路段i-1～i期間的車流量總和Qi-1,i加上從收費站i-1進(jìn)入的流量,再減去從收費站i-1離開的流量。其表達(dá)式見式(1)和式(2):

交通流相圖構(gòu)造程序圖

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)模糊C均值聚類算法的城市道路狀態(tài)判別方法[J]. 黃艷國,羅云鵬.  科學(xué)技術(shù)與工程. 2018(09)
[2]基于宏觀基本圖的快速路網(wǎng)交通狀態(tài)識別方法[J]. 丁恒,朱良元,蔣程鑌,鄭小燕.  重慶交通大學(xué)學(xué)報(自然科學(xué)版). 2018(12)
[3]基于Floyd算法對交通流最優(yōu)路徑選擇的研究[J]. 陳雅良,溫朝暉,周浩然,王甜甜.  佳木斯大學(xué)學(xué)報(自然科學(xué)版). 2016(06)
[4]基于收費數(shù)據(jù)的高速公路交通狀態(tài)判別方法[J]. 楊慶芳,馬明輝,梁士棟,梅朵.  華南理工大學(xué)學(xué)報(自然科學(xué)版). 2014(12)
[5]基于模糊的城市快速路交通流狀態(tài)判別[J]. 郝媛,徐天東,孫立軍.  公路工程. 2008(02)

碩士論文
[1]基于收費數(shù)據(jù)的高速公路交通流狀態(tài)識別研究[D]. 張騰月.華南理工大學(xué) 2017
[2]交通系統(tǒng)的非線性分析、控制及系統(tǒng)實現(xiàn)[D]. 董娜.西北工業(yè)大學(xué) 2015
[3]小波神經(jīng)網(wǎng)絡(luò)算法及其在交通流宏觀動態(tài)特性中的應(yīng)用[D]. 劉聰聰.重慶大學(xué) 2014
[4]基于車檢器及收費數(shù)據(jù)融合的高速公路異常狀態(tài)識別研究[D]. 韓坤林.重慶大學(xué) 2014



本文編號：3441526