基于浮动车数据的交通状态动态判别研究
发布时间：2021-05-22 07:49
交通状态判别（TSE,Traffic State Estimation）对交通规划、运营管理和基础设施设计至关重要,随着信息技术的发展,各种定位来源（如手机,GPS浮动车等）的实时数据收集,推动了智能交通系统（ITS,Intelligent Transportation System）的进步,使交通状态判别达到了高效、及时和准确。交通状态判别旨在估计和判别道路交通中交通流变化的特征,本文在GPS浮动车数据进行预处理的基础上,以城市道路为研究对象,对交通状态动态判别的方法进行了研究。本文研究了一个基于贝叶斯网络的理论模型以及统计推导算法,能够模拟城市道路网中的复杂交通流变化特征,能够对交通状态进行动态判别。该模型将时间、空间离散化处理,利用分层贝叶斯网络模型来刻画时空交通状态,以图形的方式表示在二维坐标系中,直观的刻画交通流时空变化关系。通过宏观基本图方法和交通流参数内在相关性,指出关系式中的关键变量,以此为由引入路段排队模型,来描述路段与交叉点间交通流量的传播过程。使用期望最大化扩展卡尔曼滤波（EM-EKF）算法推导分层贝叶斯模型中的未知交通状态,期望最大化算法中的M步骤可有效推导出参...
【文章来源】：昆明理工大学云南省
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 研究现状概述
1.2.1 国外研究现状概述
1.2.2 国内研究现状概述
1.2.3 现有研究概述及不足
1.3 研究内容及技术路线
1.3.1 研究内容
1.3.2 技术路线
1.4 本章小结
第二章 浮动车数据获取及预处理
2.1 浮动车数据采集技术
2.2 浮动车数据特征
2.3 浮动车数据预处理
2.3.1 无效数据、冗余数据、噪声数据的识别
2.3.2 异常速度数据的处理
2.4 对平均行程车速的估算
2.5 本章小结
第三章 城市道路交通状态判别模型理论基础
3.1 交通流参数
3.2 交通状态划分
3.3 交通状态判别模型的理论准备
3.3.1 贝叶斯网络
3.3.2 交通状态判别基础模型
3.4 本章小结
第四章 路网交通状态判别模型
4.1 基于分层贝叶斯网络的交通状态判别模型
4.1.1 交通流三参数相关性
4.1.2 路段排队模型(Link Queue Model)
4.2 期望最大化算法扩展卡尔曼滤波法(EM-EKF)
4.3 本章小结
第五章 仿真实验与实例分析
5.1 VISSIM仿真实验
5.1.1 仿真模型准备
5.1.2 仿真结果分析
5.2 玉溪市红塔区交通状态判别实验分析
5.2.1 数据准备
5.2.2 城市主干道路区域划分及路段划分
5.2.3 实验分析
5.3 本章小结
第六章 结论与展望
6.1 主要结论及成果
6.2 论文的不足及未来研究方向
致谢
参考文献
附录 A
附录 B
【参考文献】：
期刊论文
[1]基于在线地图交通态势分析的路网拥堵状态识别[J]. 张建旭,郭力玮. 交通运输系统工程与信息. 2018(05)
[2]基于尖点突变理论的高速公路交通流状态判别方法[J]. 胡建荣,何磊. 中国公路学报. 2017(10)
[3]基于分层贝叶斯网络的航母编队对潜威胁评估[J]. 陈龙,马亚平. 系统仿真学报. 2017(09)
[4]城市区域路网交通状态分析与评价方法[J]. 黄艳国,宋二猛,钟建新. 重庆交通大学学报(自然科学版). 2017(12)
[5]基于强跟踪泰勒-卡尔曼滤波器的动态相量估计算法[J]. 刘洁波,黄纯,江亚群,汤涛,谢兴. 电工技术学报. 2018(02)
[6]基于FCM山地城市快速路交通状态判别方法研究[J]. 蔡晓禹,蔡明. 公路. 2016(07)
[7]基于投影寻踪动态聚类的快速路交通状态判别[J]. 邴其春,龚勃文,杨兆升,林赐云,曲鑫. 西南交通大学学报. 2015(06)
[8]高速公路交通状态判别模型研究[J]. 于泉,丰柱林,徐红领,任广丽. 交通运输工程与信息学报. 2015(02)
[9]基于模糊C均值聚类的城市道路交通状态判别[J]. 黄艳国,许伦辉,邝先验. 重庆交通大学学报(自然科学版). 2015(02)
[10]城市路口交通状态判别方法研究[J]. 任其亮,王世能,王坤,詹家凤,曾柯. 重庆交通大学学报(自然科学版). 2015(06)
硕士论文
[1]基于浮动车数据的城市道路交通状态预测研究[D]. 童彤.大连海事大学 2017
[2]异种浮动车数据融合的城市道路交通状态判别及时空分析[D]. 魏敏燕.重庆大学 2016
[3]基于出租车GPS数据的城市主干道路交通状态判别[D]. 朱海涛.东北林业大学 2016
[4]基于路段饱和度的动态交通拥挤定价研究[D]. 赖君.西南交通大学 2013
[5]基于模糊c均值的城市道路交通状态判别研究[D]. 顾超然.北京交通大学 2012
[6]基于GPS数据的道路交通状态判别方法研究[D]. 姜东.长安大学 2011
[7]基于GPS浮动车的城市道路交通状态判别技术研究[D]. 陈青.长安大学 2009
[8]基于实时信息的城市道路交通状态判别方法研究[D]. 贾森.北京交通大学 2007
本文编号：3201269
【文章来源】：昆明理工大学云南省
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 研究现状概述
1.2.1 国外研究现状概述
1.2.2 国内研究现状概述
1.2.3 现有研究概述及不足
1.3 研究内容及技术路线
1.3.1 研究内容
1.3.2 技术路线
1.4 本章小结
第二章 浮动车数据获取及预处理
2.1 浮动车数据采集技术
2.2 浮动车数据特征
2.3 浮动车数据预处理
2.3.1 无效数据、冗余数据、噪声数据的识别
2.3.2 异常速度数据的处理
2.4 对平均行程车速的估算
2.5 本章小结
第三章 城市道路交通状态判别模型理论基础
3.1 交通流参数
3.2 交通状态划分
3.3 交通状态判别模型的理论准备
3.3.1 贝叶斯网络
3.3.2 交通状态判别基础模型
3.4 本章小结
第四章 路网交通状态判别模型
4.1 基于分层贝叶斯网络的交通状态判别模型
4.1.1 交通流三参数相关性
4.1.2 路段排队模型(Link Queue Model)
4.2 期望最大化算法扩展卡尔曼滤波法(EM-EKF)
4.3 本章小结
第五章 仿真实验与实例分析
5.1 VISSIM仿真实验
5.1.1 仿真模型准备
5.1.2 仿真结果分析
5.2 玉溪市红塔区交通状态判别实验分析
5.2.1 数据准备
5.2.2 城市主干道路区域划分及路段划分
5.2.3 实验分析
5.3 本章小结
第六章 结论与展望
6.1 主要结论及成果
6.2 论文的不足及未来研究方向
致谢
参考文献
附录 A
附录 B
【参考文献】：
期刊论文
[1]基于在线地图交通态势分析的路网拥堵状态识别[J]. 张建旭,郭力玮. 交通运输系统工程与信息. 2018(05)
[2]基于尖点突变理论的高速公路交通流状态判别方法[J]. 胡建荣,何磊. 中国公路学报. 2017(10)
[3]基于分层贝叶斯网络的航母编队对潜威胁评估[J]. 陈龙,马亚平. 系统仿真学报. 2017(09)
[4]城市区域路网交通状态分析与评价方法[J]. 黄艳国,宋二猛,钟建新. 重庆交通大学学报(自然科学版). 2017(12)
[5]基于强跟踪泰勒-卡尔曼滤波器的动态相量估计算法[J]. 刘洁波,黄纯,江亚群,汤涛,谢兴. 电工技术学报. 2018(02)
[6]基于FCM山地城市快速路交通状态判别方法研究[J]. 蔡晓禹,蔡明. 公路. 2016(07)
[7]基于投影寻踪动态聚类的快速路交通状态判别[J]. 邴其春,龚勃文,杨兆升,林赐云,曲鑫. 西南交通大学学报. 2015(06)
[8]高速公路交通状态判别模型研究[J]. 于泉,丰柱林,徐红领,任广丽. 交通运输工程与信息学报. 2015(02)
[9]基于模糊C均值聚类的城市道路交通状态判别[J]. 黄艳国,许伦辉,邝先验. 重庆交通大学学报(自然科学版). 2015(02)
[10]城市路口交通状态判别方法研究[J]. 任其亮,王世能,王坤,詹家凤,曾柯. 重庆交通大学学报(自然科学版). 2015(06)
硕士论文
[1]基于浮动车数据的城市道路交通状态预测研究[D]. 童彤.大连海事大学 2017
[2]异种浮动车数据融合的城市道路交通状态判别及时空分析[D]. 魏敏燕.重庆大学 2016
[3]基于出租车GPS数据的城市主干道路交通状态判别[D]. 朱海涛.东北林业大学 2016
[4]基于路段饱和度的动态交通拥挤定价研究[D]. 赖君.西南交通大学 2013
[5]基于模糊c均值的城市道路交通状态判别研究[D]. 顾超然.北京交通大学 2012
[6]基于GPS数据的道路交通状态判别方法研究[D]. 姜东.长安大学 2011
[7]基于GPS浮动车的城市道路交通状态判别技术研究[D]. 陈青.长安大学 2009
[8]基于实时信息的城市道路交通状态判别方法研究[D]. 贾森.北京交通大学 2007
本文编号：3201269
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3201269.html
