隨著智能手機(jī)與打車軟件的普及,移動(dòng)通信、出租車車載GPS設(shè)備的發(fā)展,相關(guān)部門積累了數(shù)量極大、層次極為豐富的浮動(dòng)車大數(shù)據(jù)。浮動(dòng)車數(shù)據(jù)基于車輛真實(shí)行駛路徑,具有常規(guī)交通數(shù)據(jù)所不具備的覆蓋面廣,跟蹤性強(qiáng),完整體現(xiàn)軌跡性等特點(diǎn)。如何從如此大量的數(shù)據(jù)中提取出有價(jià)值的信息,為交通管理與控制決策提供指導(dǎo)和依據(jù),成為了當(dāng)前交通大數(shù)據(jù)研究利用的重點(diǎn)需求。在基于實(shí)際檢測GPS數(shù)據(jù)的基礎(chǔ)上,對道路交通狀態(tài)時(shí)空特性進(jìn)行研究,掌握與預(yù)測道路交通狀態(tài),不僅有利于提升交通運(yùn)行效率,同時(shí)也可為改善道路交通擁堵問題提供決策依據(jù)。本文以城市路網(wǎng)交通流為研究對象,基于實(shí)測出租車GPS數(shù)據(jù),結(jié)合數(shù)據(jù)本身優(yōu)點(diǎn)與特性,考慮城市道路交通狀態(tài)之間的相互作用與制約,研究了上下游間與全局路網(wǎng)內(nèi)交通狀態(tài)的時(shí)空特性。以及擁堵現(xiàn)象的演變過程,在此基礎(chǔ)上,實(shí)現(xiàn)道路交通流狀態(tài)的判別與預(yù)測。主要研究內(nèi)容如下:①確定交通時(shí)空狀態(tài)定量指標(biāo)�；诔鲎廛嘒PS數(shù)據(jù)特點(diǎn),針對單一評判指標(biāo)無法全面描述道路交通流狀態(tài)的問題,與道路交通狀態(tài)時(shí)空關(guān)聯(lián)性分析的實(shí)際需求,在基于模糊C均值方法的交通狀態(tài)閾值判別基礎(chǔ)上,構(gòu)造了時(shí)空擁堵指數(shù)SI,作為交通狀態(tài)時(shí)空關(guān)聯(lián)性分析的基... 

【文章頁數(shù)】：87 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 選題背景
    1.2 論文研究目的及意義
    1.3 論文研究內(nèi)容及技術(shù)路線
第二章 國內(nèi)外研究綜述
    2.1 交通擁堵狀態(tài)基礎(chǔ)理論
    2.2 時(shí)空關(guān)聯(lián)性分析理論
    2.3 交通流狀態(tài)預(yù)測研究
    2.4 本章總結(jié)
第三章 基于時(shí)空相關(guān)的道路關(guān)聯(lián)挖掘
    3.1 數(shù)據(jù)預(yù)處理
        3.1.1 數(shù)據(jù)背景
        3.1.2 交通流信息提取
        3.1.3 道路擁堵狀態(tài)判別
    3.2 擁堵時(shí)空特性分析
    3.3 基于Pearson相關(guān)系數(shù)的交通擁堵分析
        3.3.1 Pearson相關(guān)系數(shù)
        3.3.2 時(shí)空數(shù)據(jù)信號分解
        3.3.3 道路相關(guān)性時(shí)段劃分
        3.3.4 基于Pearson相關(guān)系數(shù)的交通判別預(yù)測
    3.4 基于Kendall相關(guān)系數(shù)的交通擁堵分析
        3.4.1 Kendall相關(guān)系數(shù)
        3.4.2 基于Kendall相關(guān)系數(shù)的交通擁堵判別預(yù)測
    3.5 基于差異聚合系數(shù)的高相關(guān)路徑搜索
    3.6 本章總結(jié)
第四章 基于時(shí)空關(guān)聯(lián)性的路網(wǎng)擁堵判別與預(yù)測
    4.1 路網(wǎng)交通時(shí)空關(guān)聯(lián)性分析
        4.1.1 時(shí)空莫蘭指數(shù)
        4.1.2 時(shí)空莫蘭指數(shù)在交通中的特性
    4.2 路網(wǎng)交通時(shí)空狀態(tài)劃分及演變
        4.2.1 全局莫蘭時(shí)空指數(shù)分析
        4.2.2 局部時(shí)空莫蘭指數(shù)分布
        4.2.3 莫蘭散點(diǎn)圖分析
    4.3 基于混合森林模型的路網(wǎng)時(shí)空特性融合預(yù)測
        4.3.1 隨機(jī)森林算法
        4.3.2 隨機(jī)森林構(gòu)造
        4.3.3 改進(jìn)的混合森林模型
    4.4 實(shí)例分析
        4.4.1 數(shù)據(jù)源
        4.4.2 評估指標(biāo)
        4.4.3 參數(shù)選擇
        4.4.4 實(shí)驗(yàn)結(jié)果
    4.5 本章總結(jié)
第五章 結(jié)論與展望
    5.1 主要結(jié)論
    5.2 研究展望
參考文獻(xiàn)
在學(xué)期間的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]短期高速公路交通流量預(yù)測方法研究[J]. 林蕾,舒勤.  計(jì)算機(jī)仿真. 2017(03)
[2]道路交通實(shí)時(shí)路況服務(wù)系統(tǒng)建設(shè)[J]. 吳飛.  海峽科學(xué). 2015(08)
[3]城市道路交通擁堵狀態(tài)時(shí)空相關(guān)性分析[J]. 張婧,任剛.  交通運(yùn)輸系統(tǒng)工程與信息. 2015(02)
[4]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(yàn).  重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(02)
[5]基于出租車GPS數(shù)據(jù)的城市道路擁堵判別[J]. 郭雪婷,秦艷麗,雷震.  交通信息與安全. 2013(05)
[6]基于改進(jìn)時(shí)空Moran’s I指數(shù)的道路交通狀態(tài)特征分析[J]. 陳紹寬,韋偉,毛保華,關(guān)偉.  物理學(xué)報(bào). 2013(14)
[7]基于浮動(dòng)車數(shù)據(jù)的高速公路擁堵檢測方法[J]. 張志平,汪向杰,林航飛.  交通信息與安全. 2012(06)
[8]時(shí)空數(shù)據(jù)的動(dòng)態(tài)關(guān)聯(lián)技術(shù)研究[J]. 姚春雨,唐新明,史紹雨,閆浩文.  測繪科學(xué). 2013(02)
[9]時(shí)空關(guān)聯(lián)規(guī)則挖掘算法及其在ITS中的應(yīng)用[J]. 夏英,張俊,王國胤.  計(jì)算機(jī)科學(xué). 2011(09)
[10]基于車牌識別數(shù)據(jù)的交通擁堵識別方法[J]. 姜桂艷,常安德,牛世峰.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2011(04)

博士論文
[1]城市道路交通擁堵判別、疏導(dǎo)與仿真[D]. 張婧.東南大學(xué) 2016

碩士論文
[1]基于出租車GPS數(shù)據(jù)的城市交通擁堵識別和關(guān)聯(lián)性分析[D]. 李勇.哈爾濱工業(yè)大學(xué) 2016
[2]數(shù)據(jù)挖掘算法的并行化研究及其應(yīng)用[D]. 羅俊.青島大學(xué) 2016
[3]異種浮動(dòng)車數(shù)據(jù)融合的城市道路交通狀態(tài)判別及時(shí)空分析[D]. 魏敏燕.重慶大學(xué) 2016



本文編號：3687885