特長高速公路隧道交通流研究.pdf

1、采集的特長高速公路隧道交通流數(shù)據(jù)中承載著眾多交通信息,通過對交通流數(shù)據(jù)進行分析,發(fā)掘數(shù)據(jù)中存在的有用信息。面對海量的特長高速公路隧道交通流數(shù)據(jù),采用模糊聚類算法對特長高速公路隧道交通流進行聚類研究。在數(shù)據(jù)采集或數(shù)據(jù)傳輸中由于技術(shù)原因或設備原因造成數(shù)據(jù)故障,使得數(shù)據(jù)質(zhì)量下降、可信度降低,因此需要對特長高速公路隧道交通流故障數(shù)據(jù)展開研究,通過故障數(shù)據(jù)檢測和修正,提高特長高速公路隧道交通流數(shù)據(jù)質(zhì)量和可信度。根據(jù)特長高速公路隧道交通流的非線性、

2、復雜性以及時變性等特點,以提高特長高速公路隧道短時交通流預測效果為目的,對特長高速公路隧道短時交通流預測展開相關(guān)研究。隨著混沌理論的逐漸完善,對特長高速公路隧道交通流混沌特性進行研究。
　　 本文從特長高速公路隧道交通流數(shù)據(jù)分析出發(fā),通過交通流模糊聚類、交通流故障數(shù)據(jù)、短時交通流預測以及交通流混沌特性四個方面對特長高速公路隧道交通流展開研究,并通過實際數(shù)據(jù)進行實例分析。主要工作和創(chuàng)新點如下:
　　 (1)對特長高速公路隧

3、道交通流進行聚類研究,提出了改進模糊聚類算法。通過改進經(jīng)典模糊聚類算法中的隸屬度函數(shù)和距離度量函數(shù)來削弱交通流突變點或數(shù)據(jù)噪聲對聚類結(jié)果的影響,并通過聚類結(jié)果評價影響因素凝聚度和分離度來完成自動聚類。采用改進模糊聚類算法對特長高速公路隧道交通流實測數(shù)據(jù)進行聚類,得到交通流聚類以及相應聚類中心；
　　 (2)對特長高速公路隧道交通流故障數(shù)據(jù)展開研究,提出了基于交通流指標即交通流量-平均速度-時間占有率的交通流故障數(shù)據(jù)檢測算法。采用

4、改進模糊聚類算法對交通流數(shù)據(jù)樣本按平均速度聚類,確定各聚類中心相應交通流量安全區(qū)域,將待測數(shù)據(jù)樣本按照速度所處安全區(qū)域范圍進行檢測。采用本算法對特長高速公路隧道交通流采集數(shù)據(jù)實現(xiàn)故障數(shù)據(jù)實時檢測,并通過改進模糊聚類算法對故障數(shù)據(jù)進行修正或剔除,從而提高特長高速公路隧道交通流數(shù)據(jù)質(zhì)量；
　　 (3)對特長高速公路隧道短時交通流預測研究,建立了基于梯度下降法和權(quán)重回歸最小二乘法的改進遞歸補償模糊神經(jīng)系統(tǒng)。通過改進模糊聚類算法完成自動

5、更新聚類；兼顧交通流的遞歸影響特性引入遞歸權(quán)重系數(shù)；引入補償系數(shù)進行自動校正隸屬度；采用梯度下降法和權(quán)重回歸最小二乘法進行參數(shù)學習；交通流聚類中心初始值作為模糊神經(jīng)網(wǎng)絡輸入中心初始值。將特長高速公路隧道交通流采集數(shù)據(jù)進行實例預測,系統(tǒng)提高了短時交通流預測效果,為特長高速公路交通安全研究提供更加及時有效的未來時段交通流信息；
　　 (4)對特長高速公路隧道交通流混沌特性進行研究,對特長高速公路隧道交通流實測數(shù)據(jù)進行混沌判別,采用基