高速公路由于車流量大、車輛運行速度快,導(dǎo)致其交通事故后果嚴(yán)重。一旦發(fā)生交通事故,不僅路產(chǎn)損失大,還容易引發(fā)交通擁堵、二次交通事故等現(xiàn)象,甚至造成大范圍交通癱瘓,所以迫切需要交通管理部門采取高科技手段對交通隱患進行防范。高速公路車輛異常駕駛行為是引發(fā)交通事故的重要原因,實時監(jiān)控車輛的運行狀態(tài),并預(yù)警異常駕駛行為,是實現(xiàn)交通智能化、交通安全出行的有效途徑�；谖⒂^參數(shù)多步預(yù)測的高速公路異常駕駛行為檢測預(yù)警的研究,及時發(fā)現(xiàn)、識別和預(yù)判異常駕駛行為,進而對其影響范圍進行預(yù)警,對于高速公路交通安全管理具有重要的理論意義和實用價值。論文首先基于混沌理論對車輛微觀速度、加速度序列數(shù)據(jù)的混沌性進行分析,證明了車輛微觀參數(shù)具有可預(yù)測性;然后基于R/S分析法證明了兩參數(shù)具有分形特征,并基于分形理論構(gòu)建了微觀參數(shù)的預(yù)測模型;通過速度、加速度時間序列數(shù)據(jù)的指標(biāo)量化,采用神經(jīng)網(wǎng)絡(luò)對其可預(yù)測步數(shù)進行了估計,得到微觀參數(shù)可預(yù)測步數(shù)估計模型;結(jié)合分形預(yù)測模型和可預(yù)測步數(shù)估計模型得到分形多步預(yù)測模型,對車輛微觀參數(shù)進行實時多步預(yù)測�；谖恼绿岢龅姆中味嗖筋A(yù)測模型,實時預(yù)測車輛的未來多個時刻的定位數(shù)據(jù)。根據(jù)車輛的實際運行... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【圖文】：

論文技術(shù)路線

確定微觀參數(shù)時間序列特征指標(biāo)后，則是研究如何利用這些指標(biāo)進行微觀參數(shù)的可預(yù)測步數(shù)進行動態(tài)估計。根據(jù)所選用的 6 個量化指標(biāo)預(yù)測出速度、加速度時間序列的可預(yù)測步數(shù)（一個指標(biāo)），屬于一個多對一預(yù)測問題。由上文分析，發(fā)現(xiàn)時間序列數(shù)據(jù)的波動性、不確定性、趨勢性等指標(biāo)與數(shù)據(jù)的可預(yù)測步數(shù)大致呈現(xiàn)反比關(guān)系，但是并非純粹的線性關(guān)系，具有一定的非線性。因此提出的模型方法需要能夠處理多對一、非線性預(yù)測問題。由于人工神經(jīng)網(wǎng)絡(luò)算法能夠較好的處理多對一、非線性類問題，應(yīng)用已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)能夠快速的進行數(shù)據(jù)預(yù)測、分類等運算，計算時間短，具有一定的實時性[49]，所以提出采用 BP 神經(jīng)網(wǎng)絡(luò)模型對微觀參數(shù)的動態(tài)可預(yù)測步數(shù)進行實時預(yù)測估計�；谒俣�、加速度時間序列值，計算該序列的平均發(fā)展水平、平均發(fā)展速度、平均增長量、趨勢性指標(biāo)、波動性指標(biāo)和不確定性指標(biāo)，然后標(biāo)準(zhǔn)化這些指標(biāo)，并將其作為神經(jīng)網(wǎng)絡(luò)模型的輸入?yún)?shù)，預(yù)測步數(shù)作為輸出參數(shù)，進行速度、加速度可預(yù)測步數(shù)估計模型訓(xùn)練、測試，最后得到速度、加速度的可預(yù)測步數(shù)估計模型，如圖 2-6 所示。平均發(fā)展水平

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文明，一個三層的 BP 神經(jīng)網(wǎng)絡(luò)能夠逼近任何非線性連數(shù)數(shù)據(jù)序列的 6 個特征指標(biāo)作為輸入變量，以分形數(shù)作為輸出變量，構(gòu)建一個三層神經(jīng)網(wǎng)絡(luò)，以 Sigmi最低來選取最優(yōu)隱含層個數(shù)。步數(shù)估計模型的評價指標(biāo)同微觀參數(shù)預(yù)測模型的評分比誤差 MAPE 對其進行評估，計算公式見式（2-2數(shù)可預(yù)測步數(shù)估計模型的運算流程圖如 2-7 所示。開始

【參考文獻(xiàn)】：
期刊論文
[1]基于時空關(guān)聯(lián)和BPAdaboost的短時交通參數(shù)預(yù)測[J]. 丁閃閃,王維鋒,季錦章,黨倩.  公路交通科技. 2016(05)
[2]基于跟蹤軌跡的車輛異常行為檢測[J]. 蔣恩源,王學(xué)軍.  吉林大學(xué)學(xué)報(信息科學(xué)版). 2016(01)
[3]智能手機車輛異常駕駛行為檢測方法[J]. 周后飛,劉華平,石紅星.  智能系統(tǒng)學(xué)報. 2016(03)
[4]基于車牌識別系統(tǒng)車輛軌跡的行為異常檢測[J]. 孫玉硯,孫利民,朱紅松,周新運.  計算機研究與發(fā)展. 2015(08)
[5]基于向量誤差修正模型的短時交通參數(shù)預(yù)測[J]. 邴其春,楊兆升,周熙陽,馬明輝.  吉林大學(xué)學(xué)報(工學(xué)版). 2015(04)
[6]車道模型的高速公路車輛異常行為檢測方法[J]. 邱凌赟,韓軍,顧明.  計算機應(yīng)用. 2014(05)
[7]跟馳狀態(tài)下最小行車安全距離模型的仿真研究[J]. 楊培菲,唐陽山,葛麗娜,張衍成.  黑龍江交通科技. 2013(09)
[8]基于小波和回聲狀態(tài)網(wǎng)絡(luò)的交通流多步預(yù)測模型[J]. 楊飛,方濱興,王春露,左興權(quán),李麗香,平源.  吉林大學(xué)學(xué)報(工學(xué)版). 2013(03)
[9]基于蟻群優(yōu)化支持向量機的短時交通流量預(yù)測[J]. 徐鵬,姜鳳茹.  計算機應(yīng)用與軟件. 2013(03)
[10]SCATS線圈數(shù)據(jù)短時多步雙重預(yù)測方法[J]. 李琦,姜桂艷.  哈爾濱工業(yè)大學(xué)學(xué)報. 2013(02)

碩士論文
[1]基于移動智能終端的高速公路異常駕駛行為檢測技術(shù)[D]. 陳愷.浙江大學(xué) 2015
[2]基于移動終端的駕駛行為分析系統(tǒng)設(shè)計與實現(xiàn)[D]. 顧嘉.復(fù)旦大學(xué) 2014
[3]交通流預(yù)測的分形理論與系統(tǒng)仿真[D]. 李健.長安大學(xué) 2010



本文編號：3505131