如今高速公路上流量負(fù)荷不斷增大,高速公路交通系統(tǒng)將面臨著十分嚴(yán)峻的挑戰(zhàn),高速公路管理部門(mén)需要簡(jiǎn)明直觀的信息輔助決策。但隨著高速公路上數(shù)據(jù)日益增加,反映交通狀態(tài)的參數(shù)種類也在不斷增加,管理者很難在這些繁雜的信息中找到需要的重點(diǎn)信息。為了對(duì)日益擁堵的高速公路提供更好的管理對(duì)策,本文選取在交通誘導(dǎo)、交通控制時(shí)最關(guān)注的因素:行程時(shí)間作為主要研究對(duì)象,其中主要研究?jī)?nèi)容如下:實(shí)現(xiàn)更加精確有效的行程時(shí)間估計(jì),需要獲取更加全面、精確的交通數(shù)據(jù)。因此,本文首先分析了常用的數(shù)據(jù)融合技術(shù)以及融合模型,提出了多源數(shù)據(jù)的采集與預(yù)處理方法,并以長(zhǎng)益高速收費(fèi)站數(shù)據(jù)、交調(diào)站斷面數(shù)據(jù)與阻斷數(shù)據(jù)為基礎(chǔ),對(duì)行程時(shí)間的時(shí)空特征與影響因素進(jìn)行了深入分析。然后,通過(guò)對(duì)現(xiàn)有行程時(shí)間的估計(jì)方法分析,選取了支持向量機(jī)模型進(jìn)行行程時(shí)間估計(jì),并使用人工魚(yú)群算法(Artificial fish-swarm,AF)對(duì)模型參數(shù)進(jìn)行了優(yōu)化;通過(guò)優(yōu)化參數(shù)SVM模型與原有SVM模型的對(duì)比分析,驗(yàn)證了優(yōu)化參數(shù)模型的優(yōu)勢(shì);根據(jù)數(shù)據(jù)調(diào)研得知,不同高速公路的管理部門(mén)擁有的高速公路數(shù)據(jù)存在一定誤差,因此,本文使用不同高速公路數(shù)據(jù)對(duì)行程時(shí)間進(jìn)行估計(jì),可為擁有不同...

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題來(lái)源
    1.2 研究背景及意義
        1.2.1 研究背景
        1.2.2 研究意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 高速公路交通數(shù)據(jù)
        1.3.2 高速公路多源數(shù)據(jù)融合
        1.3.3 研究現(xiàn)狀總結(jié)
    1.4 主要內(nèi)容與技術(shù)路線
    1.5 本章小結(jié)
第二章 高速公路交通數(shù)據(jù)預(yù)處理與多源數(shù)據(jù)融合技術(shù)
    2.1 高速公路交通運(yùn)行數(shù)據(jù)
    2.2 高速公路交通運(yùn)行數(shù)據(jù)預(yù)處理
    2.3 高速公路多源數(shù)據(jù)融合
        2.3.1 數(shù)據(jù)融合技術(shù)
        2.3.2 數(shù)據(jù)融合主要方法對(duì)比
        2.3.3 多源數(shù)據(jù)的時(shí)空匹配
    2.4 本章小結(jié)
第三章 長(zhǎng)益高速公路行程時(shí)間分布特征及影響因素分析
    3.1 長(zhǎng)益高速公路行程時(shí)間分布特征
    3.2 行程時(shí)間影響因素
        3.2.1 主線交通量對(duì)行程時(shí)間的影響
        3.2.2 節(jié)假日對(duì)行程時(shí)間的影響
        3.2.3 交通流管控對(duì)行程時(shí)間的影響
        3.2.4 交通事故對(duì)行程時(shí)間的影響
        3.2.5 天氣數(shù)據(jù)對(duì)行程時(shí)間的影響
    3.3 本章小結(jié)
第四章 基于支持向量機(jī)的高速公路行程時(shí)間估計(jì)方法
    4.1 支持向量機(jī)原理
    4.2 高速公路行程時(shí)間估計(jì)模型建立
        4.2.1 支持向量機(jī)核函數(shù)選擇
        4.2.2 基于人工魚(yú)群算法的模型參數(shù)優(yōu)化
        4.2.3 估計(jì)模型建立
    4.3 模型評(píng)價(jià)及檢驗(yàn)
        4.3.1 評(píng)價(jià)指標(biāo)
        4.3.2 檢驗(yàn)過(guò)程
        4.3.3 評(píng)價(jià)結(jié)果
    4.4 不同數(shù)據(jù)源交通狀態(tài)估計(jì)及結(jié)果對(duì)比
    4.5 本章小結(jié)
第五章 高速公路行程時(shí)間估計(jì)智能算法比較研究
    5.1 基于BP神經(jīng)網(wǎng)絡(luò)的行程時(shí)間估計(jì)
        5.1.1 高速公路行程時(shí)間估計(jì)的神經(jīng)網(wǎng)絡(luò)模型
        5.1.2 估計(jì)結(jié)果
    5.2 基于卡爾曼濾波的高速公路行程時(shí)間估計(jì)
        5.2.1 高速公路行程時(shí)間估計(jì)的卡爾曼濾波模型
        5.2.2 估計(jì)結(jié)果
    5.3 基于多核SVM的高速公路行程時(shí)間估計(jì)
        5.3.1 高速公路行程時(shí)間估計(jì)的多核SVM模型
        5.3.2 估計(jì)結(jié)果
    5.4 估計(jì)方法的比較
    5.5 本章小結(jié)
結(jié)論與展望
    主要結(jié)論
    研究展望
參考文獻(xiàn)
致謝
附錄A 攻讀學(xué)位期間發(fā)表論文目錄
附錄B 攻讀學(xué)位期間參與的科研項(xiàng)目



本文編號(hào)：3751589