發(fā)布時間：2021-01-13 18:54

　　高速公路是人們?nèi)粘Ｉ畛鲂械闹匾d體,由于交通出行量的急劇增加,導(dǎo)致路網(wǎng)規(guī)模的不斷擴(kuò)大化,路網(wǎng)結(jié)構(gòu)的逐漸復(fù)雜化,道路交通擁擠趨向常態(tài)化、道路事故頻發(fā)、能源消耗增多等諸多問題也變得日益突出。目前在高速公路交通狀態(tài)判別研究方面,其研究成果和實(shí)踐應(yīng)用均有一定基礎(chǔ),但并非很完善,加之新的數(shù)據(jù)源為方法的完善提供了新的方式,因此,本文開展了基于微波數(shù)據(jù)和手機(jī)數(shù)據(jù)的交通狀態(tài)判別方法研究。首先,以高速公路基本路段為著手點(diǎn),歸納分析了常用的高速公路交通流參數(shù)采集技術(shù),并對比各類技術(shù)的優(yōu)缺點(diǎn),以此明確了以微波檢測器和手機(jī)切換定位檢測器采集的數(shù)據(jù)為論文研究的數(shù)據(jù)基礎(chǔ)。另外,分析交通狀態(tài)所涉及的交通參數(shù)及其之間的關(guān)系,選取交通量、速度和占有率為論文研究的交通狀態(tài)參數(shù)。其次,闡述了微波檢測技術(shù)和手機(jī)切換定位技術(shù)的基本原理,并對微波數(shù)據(jù)和手機(jī)數(shù)據(jù)的精度進(jìn)行了分析,提出以交通量、微波檢測速度值、手機(jī)檢測速度值和占有率作為交通狀態(tài)判別研究的參數(shù)。基于此,提出了以故障數(shù)據(jù)的識別修復(fù)和交通數(shù)據(jù)的轉(zhuǎn)化為重點(diǎn)的交通數(shù)據(jù)預(yù)處理方法,并分析了微波數(shù)據(jù)和手機(jī)數(shù)據(jù)的各自特性,結(jié)果表明,手機(jī)測速值明顯高于微波測速值,但其整體的變化趨勢... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：88 頁

【學(xué)位級別】：碩士

【部分圖文】：

技術(shù)路線示意圖

東南大學(xué)碩士學(xué)位論文12表2-1匝道影響范圍位置上游距離（m）下游距離（m）駛?cè)朐训?主線連接處150760駛出匝道-主線連接處760150（2）交織區(qū)交織區(qū)是指兩個或者更多車流沿著高速公路一定路段，且在沒有任何交通控制設(shè)施的情況下，相交而過的運(yùn)行所通過的高速公路路段，其可包括合流區(qū)與分流區(qū)。其示意圖如圖2-2所示：圖2-2交織區(qū)的示意圖根據(jù)美國《道路通行能力手冊》[42]可知，交織區(qū)是以駛?cè)朐训?主線連接處上游500英尺（約150米）至駛出匝道-主線連接處下游500英尺為其作用范圍。（3）基本路段高速公路基本路段是指主線上不受匝道附近的合流、分流以及交織區(qū)影響的路段部分，其處于匝道及交織區(qū)影響范圍之外。基本示意圖如圖2-3所示：圖2-3高速公路基本路段示意圖通過對匝道、交織區(qū)以及基本路段的定義及其影響范圍的闡述與分析，可見，基本路段的交通流相對比其他區(qū)域更為簡單，因此本次的研究工作暫以基本路段為著手點(diǎn)。2.2交通狀態(tài)參數(shù)的采集實(shí)時、準(zhǔn)確的交通信息是進(jìn)行交通狀態(tài)判別的基矗充分的高速公路交通信息包括靜態(tài)交通信息、動態(tài)交通信息兩大類[43]。其中，靜態(tài)交通信息是指以路網(wǎng)信息和交通基礎(chǔ)設(shè)施信息等為代表的，在一定時期內(nèi)可以維持相對平穩(wěn)的交通信息。相對地，動態(tài)交通信息則指隨時間發(fā)生動態(tài)變化的信息，如交通流信息、交通事件信息、施工/養(yǎng)護(hù)信息等。高速公路交通狀態(tài)判別是在靜態(tài)交通信息的基礎(chǔ)上，通過采集動態(tài)交通信息，判別其運(yùn)行狀態(tài)。匝道、交織影響區(qū)匝道、交織影響區(qū)基本路段交織區(qū)長度主線

m，RTMS）作為一種新型的微波交通檢測器，用來進(jìn)行采集交通信息。與傳統(tǒng)的微波檢測器相比，它的投影測量區(qū)域更加廣闊，可以檢測0-76米范圍內(nèi)的行駛車輛和靜止車輛，同時檢測多車道的交通信息（最大可檢測的車道數(shù)不少于12個）。RTMS的工作流程包含3個模塊：分別是背景閾值自動生成模塊，目標(biāo)車輛判斷模塊和信號恢復(fù)及數(shù)據(jù)記錄模塊，且三個模塊按時間順序相繼發(fā)生[44]。（1）背景閾值自動生成。RTMS在通電開機(jī)后對背景進(jìn)行自動學(xué)習(xí)，接收天線在檢測到路面的回波信號后，可根據(jù)信號強(qiáng)弱自動生成背景閾值。如圖3-1所示：圖3-1RTMS的背景閾值自動生成示意圖（2）目標(biāo)判斷。當(dāng)車輛經(jīng)過檢測斷面時，由于其近側(cè)面的回波信號強(qiáng)度高于背景閾

【參考文獻(xiàn)】：
期刊論文
[1]基于譜聚類與RS-KNN的城市快速路交通狀態(tài)判別[J]. 商強(qiáng),林賜云,楊兆升,邴其春,田秀娟,王樹興.  華南理工大學(xué)學(xué)報(自然科學(xué)版). 2017(06)
[2]基于FCM快速路交通狀態(tài)判別加權(quán)指數(shù)研究[J]. 吳啟順,蔡曉禹,蔡明.  科學(xué)技術(shù)與工程. 2017(06)
[3]交通狀態(tài)劃分的參數(shù)權(quán)重聚類方法研究[J]. 張亮亮,賈元華,牛忠海,廖成.  交通運(yùn)輸系統(tǒng)工程與信息. 2014(06)
[4]基于隨機(jī)森林的交通事件檢測方法設(shè)計(jì)與分析(英文)[J]. 劉擎超,陸建,陳淑燕.  Journal of Southeast University（English Edition）. 2014(01)
[5]基于支持向量機(jī)的城市道路交通狀態(tài)模式識別研究[J]. 于榮,王國祥,鄭繼媛,王海燕.  交通運(yùn)輸系統(tǒng)工程與信息. 2013(01)
[6]微波檢測技術(shù)在交通管理中的應(yīng)用[J]. 蔣程,張凱,劉權(quán)富.  交通標(biāo)準(zhǔn)化. 2012(07)
[7]基于優(yōu)化SVM的城市快速路網(wǎng)交通流狀態(tài)判別[J]. 董春嬌,邵春福,熊志華.  北京交通大學(xué)學(xué)報. 2011(06)
[8]基于BP神經(jīng)網(wǎng)絡(luò)的道路交通狀態(tài)判別方法研究[J]. 巫威眺,靳文舟,林培群.  交通信息與安全. 2011(04)
[9]基于神經(jīng)網(wǎng)絡(luò)的交通狀態(tài)模糊判別方法[J]. 曹成濤,崔鳳,林曉輝.  科學(xué)技術(shù)與工程. 2010(21)
[10]基于手機(jī)位置的實(shí)時交通信息采集技術(shù)[J]. 王西點(diǎn).  中國交通信息產(chǎn)業(yè). 2009(01)

博士論文
[1]基于多源異質(zhì)數(shù)據(jù)的高速公路交通狀態(tài)估計(jì)方法研究[D]. 何賞璐.東南大學(xué) 2017
[2]基于知識的交通擁堵疏導(dǎo)決策方法及系統(tǒng)研究[D]. 談曉潔.東南大學(xué) 2005

碩士論文
[1]基于HMM的交通狀態(tài)判別及其在交通流參數(shù)短時預(yù)測中的應(yīng)用[D]. 王漫.東南大學(xué) 2017
[2]高速公路實(shí)時交通狀態(tài)判別方法研究[D]. 杜崇.北京交通大學(xué) 2017
[3]基于多源數(shù)據(jù)的高速公路短時交通狀態(tài)預(yù)測方法研究[D]. 葛志鵬.東南大學(xué) 2016
[4]高速公路基本路段實(shí)時交通狀態(tài)判別方法的研究及應(yīng)用[D]. 陳會茹.長安大學(xué) 2015
[5]基于移動通信仿真的城市主干路行程車速手機(jī)數(shù)據(jù)采樣效果研究[D]. 尤偉杰.西南交通大學(xué) 2014



本文編號：2975389