交通狀態(tài)判別（TSE,Traffic State Estimation）對交通規(guī)劃、運營管理和基礎設施設計至關重要,隨著信息技術的發(fā)展,各種定位來源（如手機,GPS浮動車等）的實時數(shù)據(jù)收集,推動了智能交通系統(tǒng)（ITS,Intelligent Transportation System）的進步,使交通狀態(tài)判別達到了高效、及時和準確。交通狀態(tài)判別旨在估計和判別道路交通中交通流變化的特征,本文在GPS浮動車數(shù)據(jù)進行預處理的基礎上,以城市道路為研究對象,對交通狀態(tài)動態(tài)判別的方法進行了研究。本文研究了一個基于貝葉斯網(wǎng)絡的理論模型以及統(tǒng)計推導算法,能夠模擬城市道路網(wǎng)中的復雜交通流變化特征,能夠對交通狀態(tài)進行動態(tài)判別。該模型將時間、空間離散化處理,利用分層貝葉斯網(wǎng)絡模型來刻畫時空交通狀態(tài),以圖形的方式表示在二維坐標系中,直觀的刻畫交通流時空變化關系。通過宏觀基本圖方法和交通流參數(shù)內在相關性,指出關系式中的關鍵變量,以此為由引入路段排隊模型,來描述路段與交叉點間交通流量的傳播過程。使用期望最大化擴展卡爾曼濾波（EM-EKF）算法推導分層貝葉斯模型中的未知交通狀態(tài),期望最大化算法中的M步驟可有效推導出參... 

【文章來源】：昆明理工大學云南省

【文章頁數(shù)】：78 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 研究現(xiàn)狀概述
        1.2.1 國外研究現(xiàn)狀概述
        1.2.2 國內研究現(xiàn)狀概述
        1.2.3 現(xiàn)有研究概述及不足
    1.3 研究內容及技術路線
        1.3.1 研究內容
        1.3.2 技術路線
    1.4 本章小結
第二章 浮動車數(shù)據(jù)獲取及預處理
    2.1 浮動車數(shù)據(jù)采集技術
    2.2 浮動車數(shù)據(jù)特征
    2.3 浮動車數(shù)據(jù)預處理
        2.3.1 無效數(shù)據(jù)、冗余數(shù)據(jù)、噪聲數(shù)據(jù)的識別
        2.3.2 異常速度數(shù)據(jù)的處理
    2.4 對平均行程車速的估算
    2.5 本章小結
第三章 城市道路交通狀態(tài)判別模型理論基礎
    3.1 交通流參數(shù)
    3.2 交通狀態(tài)劃分
    3.3 交通狀態(tài)判別模型的理論準備
        3.3.1 貝葉斯網(wǎng)絡
        3.3.2 交通狀態(tài)判別基礎模型
    3.4 本章小結
第四章 路網(wǎng)交通狀態(tài)判別模型
    4.1 基于分層貝葉斯網(wǎng)絡的交通狀態(tài)判別模型
        4.1.1 交通流三參數(shù)相關性
        4.1.2 路段排隊模型(Link Queue Model)
    4.2 期望最大化算法擴展卡爾曼濾波法(EM-EKF)
    4.3 本章小結
第五章 仿真實驗與實例分析
    5.1 VISSIM仿真實驗
        5.1.1 仿真模型準備
        5.1.2 仿真結果分析
    5.2 玉溪市紅塔區(qū)交通狀態(tài)判別實驗分析
        5.2.1 數(shù)據(jù)準備
        5.2.2 城市主干道路區(qū)域劃分及路段劃分
        5.2.3 實驗分析
    5.3 本章小結
第六章 結論與展望
    6.1 主要結論及成果
    6.2 論文的不足及未來研究方向
致謝
參考文獻
附錄 A
附錄 B


【參考文獻】：
期刊論文
[1]基于在線地圖交通態(tài)勢分析的路網(wǎng)擁堵狀態(tài)識別[J]. 張建旭,郭力瑋.  交通運輸系統(tǒng)工程與信息. 2018(05)
[2]基于尖點突變理論的高速公路交通流狀態(tài)判別方法[J]. 胡建榮,何磊.  中國公路學報. 2017(10)
[3]基于分層貝葉斯網(wǎng)絡的航母編隊對潛威脅評估[J]. 陳龍,馬亞平.  系統(tǒng)仿真學報. 2017(09)
[4]城市區(qū)域路網(wǎng)交通狀態(tài)分析與評價方法[J]. 黃艷國,宋二猛,鐘建新.  重慶交通大學學報(自然科學版). 2017(12)
[5]基于強跟蹤泰勒-卡爾曼濾波器的動態(tài)相量估計算法[J]. 劉潔波,黃純,江亞群,湯濤,謝興.  電工技術學報. 2018(02)
[6]基于FCM山地城市快速路交通狀態(tài)判別方法研究[J]. 蔡曉禹,蔡明.  公路. 2016(07)
[7]基于投影尋蹤動態(tài)聚類的快速路交通狀態(tài)判別[J]. 邴其春,龔勃文,楊兆升,林賜云,曲鑫.  西南交通大學學報. 2015(06)
[8]高速公路交通狀態(tài)判別模型研究[J]. 于泉,豐柱林,徐紅領,任廣麗.  交通運輸工程與信息學報. 2015(02)
[9]基于模糊C均值聚類的城市道路交通狀態(tài)判別[J]. 黃艷國,許倫輝,鄺先驗.  重慶交通大學學報(自然科學版). 2015(02)
[10]城市路口交通狀態(tài)判別方法研究[J]. 任其亮,王世能,王坤,詹家鳳,曾柯.  重慶交通大學學報(自然科學版). 2015(06)

碩士論文
[1]基于浮動車數(shù)據(jù)的城市道路交通狀態(tài)預測研究[D]. 童彤.大連海事大學 2017
[2]異種浮動車數(shù)據(jù)融合的城市道路交通狀態(tài)判別及時空分析[D]. 魏敏燕.重慶大學 2016
[3]基于出租車GPS數(shù)據(jù)的城市主干道路交通狀態(tài)判別[D]. 朱海濤.東北林業(yè)大學 2016
[4]基于路段飽和度的動態(tài)交通擁擠定價研究[D]. 賴君.西南交通大學 2013
[5]基于模糊c均值的城市道路交通狀態(tài)判別研究[D]. 顧超然.北京交通大學 2012
[6]基于GPS數(shù)據(jù)的道路交通狀態(tài)判別方法研究[D]. 姜東.長安大學 2011
[7]基于GPS浮動車的城市道路交通狀態(tài)判別技術研究[D]. 陳青.長安大學 2009
[8]基于實時信息的城市道路交通狀態(tài)判別方法研究[D]. 賈森.北京交通大學 2007



本文編號：3201269