城市路網(wǎng)交通流分析預(yù)測及事故預(yù)警方法研究.pdf

1、近年來，機動車、駕駛?cè)藬?shù)量及道路交通流量保持著迅猛增長的趨勢，給人們生產(chǎn)生活帶來便捷的同時，也帶來不容忽視的安全隱患。分析人、車、路、環(huán)境等多方面因素對交通事故風(fēng)險的影響和作用機理，構(gòu)建高效的交通事故預(yù)警模型，制定行之有效的城市道路交通主動安全保障措施，為居民的出行保駕護航已成為亟待解決的問題。交通流因素是影響城市道路交通事故風(fēng)險的關(guān)鍵因素之一，利用交通流數(shù)據(jù)，研究交通流動態(tài)特征對交通事故風(fēng)險的影響，是對城市道路交通事故進行精準研判和提

2、高整個城市道路交通系統(tǒng)安全水平的主要途徑。此外，面向城市路網(wǎng)深入分析和掌握交通流變化規(guī)律，提高交通流預(yù)測的實時性、可靠性和自適應(yīng)性是目前關(guān)注和研究的熱點，為交通事故預(yù)警提供重要的數(shù)據(jù)保障。本文按交通流特性分析—交通流預(yù)測一交通事故預(yù)警的邏輯層次展開研究，重點解決如何分析城市路網(wǎng)交通流空間相關(guān)特性、如何利用交通流空間互相關(guān)特性實現(xiàn)城市路網(wǎng)多斷面交通流短時預(yù)測以及如何利用交通流因素進行交通事故預(yù)警等問題。本文針對這些主要問題進行了深入研究，

3、并通過場景實例或數(shù)值實例對相應(yīng)的理論方法進行了驗證，主要研究成果具體體現(xiàn)在以下幾個方面:
　　(1)基于復(fù)雜網(wǎng)絡(luò)理論提出了一種體現(xiàn)路段交通流空間互相關(guān)性的城市道路交通網(wǎng)絡(luò)建模和分析方法。
　　利用復(fù)雜網(wǎng)絡(luò)理論對城市道路交通系統(tǒng)進行建模，用以體現(xiàn)路網(wǎng)中路段交通流互相關(guān)分布的復(fù)雜性。將城市道路交通系統(tǒng)表示為一個由系統(tǒng)內(nèi)路段上的交通流空間相互關(guān)聯(lián)而生成的網(wǎng)絡(luò)。其中，網(wǎng)絡(luò)的節(jié)點代表路網(wǎng)中路段，節(jié)點之間的邊是否存在取決于節(jié)點對上交通流

4、序列空間相關(guān)的程度。針對構(gòu)建的城市道路交通網(wǎng)絡(luò)，提出一種考慮地理權(quán)重的PageRank算法(GWPA)，用于確定路網(wǎng)中路段的重要度，為交通流相關(guān)性空間聚類的劃分提供支持。
　　(2)從復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)角度探索路網(wǎng)中路段交通流空間相關(guān)性分布規(guī)律，提出了一種基于GWPA-k-means的城市路網(wǎng)交通流空間相關(guān)性分析方法。
　　該方法從兩方面對傳統(tǒng)的k-means算法進行改進:針對初始種群選擇問題，提出了一種改進的基于密度峰值的聚

5、類中心選取算法，利用節(jié)點的GWPA值和最短路徑長度確定初始種群;針對節(jié)點相似度矩陣構(gòu)造問題，基于節(jié)點GWPA值，提出了一種加權(quán)的信號傳遞方法，用于測量網(wǎng)絡(luò)中節(jié)點的相似性，為k-means聚類提供依據(jù)。實驗結(jié)果表明，GWPA-k-means方法能較好地揭示城市路網(wǎng)中路段交通流空間互相關(guān)模式。
　　(3)基于交通流空間相關(guān)特性，提出了一種基于社區(qū)發(fā)現(xiàn)和長短期記憶神經(jīng)網(wǎng)絡(luò)的多斷面交通流短時預(yù)測方法。
　　方法首先根據(jù)GWPA-k-

6、means算法劃分的路段交通流空間互相關(guān)模式將路網(wǎng)劃分為若干個區(qū)域，位于同一個區(qū)域內(nèi)的路段之間交通流空間相關(guān)性較強;然后針對每個區(qū)域路網(wǎng)，以路段交通流序列構(gòu)成的二維矩陣序列為輸入，利用長短期記憶神經(jīng)網(wǎng)絡(luò)對選取交通流數(shù)據(jù)進行時空特征學(xué)習(xí)，進而實現(xiàn)多斷面交通流短時預(yù)測。針對預(yù)測模型參數(shù)設(shè)置問題，提出了一種基于自適應(yīng)正交遺傳算法的模型參數(shù)優(yōu)選算法。實驗結(jié)果表明，考慮城市路網(wǎng)交通流空間相關(guān)性可以提升交通流預(yù)測精度，該方法在傳感器故障造成數(shù)據(jù)缺失

7、情況下適應(yīng)性良好，具有較強的魯棒性。
　　(4)以交通流數(shù)據(jù)為基礎(chǔ)，提出了基于交通流因素的城市道路交通事故預(yù)警方法。
　　在實時獲取交通流狀態(tài)的基礎(chǔ)上，分析交通流因素對交通事故風(fēng)險的影響，并分別從交通事故檢測和交通事故風(fēng)險預(yù)測兩方面對交通事故預(yù)警方法進行研究。以一種域劃分的角度去闡明交通流變量與交通事故風(fēng)險的關(guān)系，給出了交通安全域的概念;提出了一種基于序列向前選擇和主成分分析的特征提取算法，用于提取影響交通事故風(fēng)險的顯著特征