發(fā)布時間：2024-04-27 23:00

　　城市交通的日益惡化,使得人們對于交通信息準(zhǔn)確性的要求越來越高,而浮動車技術(shù)已成為ITS系統(tǒng)獲取交通數(shù)據(jù)重要手段,能夠有效的彌補(bǔ)傳統(tǒng)的交通數(shù)據(jù)采集技術(shù)的不足�；诟榆嚰夹g(shù)的路段行程時間預(yù)測的相關(guān)研究可為ITS系統(tǒng)提供準(zhǔn)確的行程時間預(yù)測信息,使其能夠及時通過各種對策對交通進(jìn)行疏導(dǎo),提升交通系統(tǒng)的運(yùn)行效率。本文以路段行程時間預(yù)測為核心,從浮動車數(shù)據(jù)預(yù)處理過程、基于浮動車數(shù)據(jù)和固定檢測器的路段行程時間預(yù)測以及在行程時間預(yù)測基礎(chǔ)上延伸研究的交通狀態(tài)預(yù)測幾個方面進(jìn)行了研究,主要內(nèi)容如下:首先,對于浮動車數(shù)據(jù)預(yù)處理過程中的數(shù)據(jù)修復(fù)和地圖匹配階段,對于浮動車數(shù)據(jù)修復(fù)階段,提出一種綜合運(yùn)用歷史數(shù)據(jù)和實(shí)時相鄰時段交通流數(shù)據(jù)的數(shù)據(jù)修復(fù)方法;進(jìn)而在地圖匹配階段,通過分析手工匹配情況下正確匹配點(diǎn)對所滿足的分布特性,對距離和平均速度相似度特征分別利用指數(shù)分布進(jìn)行擬合,提出基于距離和平均速度相似性特征的隱馬爾可夫(HMM)地圖匹配方法。通過對于浮動車數(shù)據(jù)預(yù)處理過程中數(shù)據(jù)修復(fù)和地圖匹配過程的一系列改進(jìn),為利用浮動車數(shù)據(jù)進(jìn)行行程時間預(yù)測提供了可靠的數(shù)據(jù)輸入。其次,提出了一種基于固定檢測器和浮動車的行程時間預(yù)測模型MS...

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖3.8勝太西路某時刻匹配情況

圖3.8勝太西路某時刻匹配情況次對3.3節(jié)所提出的地圖匹配算法的匹配準(zhǔn)確度進(jìn)行了評估。評估過，首先取行駛在該目標(biāo)路段的浮動車ID為16683的浮動車數(shù)據(jù)（數(shù)2節(jié)提出的方法進(jìn)行數(shù)據(jù)修復(fù)，進(jìn)而對得到的修復(fù)后的數(shù)據(jù)以40s、60160s的間隔進(jìn)行重新采樣，用來驗(yàn)....

圖4.4仿真場景由于Movsim仿真平臺可對所有的車輛獲取行駛速度，為驗(yàn)證仿真目標(biāo)，仿真通過在所有

本節(jié)通過交通仿真的手段研究了通過浮動車計(jì)算的平均速度在代表該路段平均速度時隨浮動車占有率變化的規(guī)律。首先，在MovSim仿真平臺中用下述的路網(wǎng)參數(shù)設(shè)置仿真環(huán)境：表4.2路網(wǎng)結(jié)構(gòu)參數(shù)道路名稱道路長度(m)車道數(shù)量路段數(shù)行駛方向R25100031自西向東表....

圖5.1不同樣本比率下目標(biāo)函數(shù)迭代收斂情況

據(jù)集的平均密度來作為參考，即盡量將初始聚類中心點(diǎn)選擇在樣本密度對象的平均密度進(jìn)行計(jì)算，再由核心對象的定義，確定核心對象集，然最大的對象選為初始聚類中心。對于較擁堵狀態(tài)的初始聚類中心選擇，擁堵狀態(tài)是在所有樣本的中間位置，因此待計(jì)算平均密度的樣本對象范中心一定均等范圍內(nèi)的樣本，且該對....

本文編號：3965827