基于動態(tài)交通信息檢測的干道交通擁堵預警方法研究.pdf

1、隨著城市的不斷發(fā)展，城市交通的矛盾主要表現(xiàn)為城市交通供給不能滿足日益增長的交通需求，城市道路的交通擁堵問題越來越嚴重，逐漸成為制約城市和諧發(fā)展的一個全球性社會問題，緩解城市道路交通擁堵的工作顯得越來越重要。城市干道是城市交通的動脈，對城市干道交通擁堵狀況進行及時、準確的預測和識別，有針對性地對擁堵點采取交通控制和誘導等措施，可緩解干道交通瓶頸的擁堵程度，減少交通擁堵帶來的負面效應。因此對城市干道交通擁堵預警建立科學有效的方法具有重要的實

2、用價值。
　　本文利用交通流模型對城市干道交通擁堵在形成、持續(xù)、消散過程中流量、速度和密度之間的變化特性和時空特性進行了分析，提出交通擁堵預警是通過預測未來時刻干道某一截面的交通流狀態(tài)參數(shù)，識別出該截面未來時刻的交通擁堵狀況，預先采取有針對性的緩堵策略。在分析了交通流狀態(tài)參數(shù)的基礎上，對比分析了幾種主要的交通信息數(shù)據(jù)采集技術，并對預處理交通信息數(shù)據(jù)的方法進行了探討。
　　城市干道交通狀態(tài)與相鄰截面的交通狀態(tài)密切相關，本文提出

3、了基于多點狀態(tài)參數(shù)的交通擁堵預警方法，建立預測的關鍵截面與相關的多個檢測截面的交通狀態(tài)相關模型，通過現(xiàn)狀和歷史交通流狀態(tài)參數(shù)數(shù)據(jù)序列預測下一時段關鍵截面的交通流狀態(tài)。采用ARIMA時間序列預測模型和遺傳算法改進優(yōu)化后的BP神經(jīng)網(wǎng)絡預測方法，建立了交通狀態(tài)參數(shù)預測的線性組合模型，提出了基于最小誤差平方和、等權和熵值法求解組合模型的權重值，并通過算例驗證了基于最小誤差平方和求權重的預測方法的預測效果最優(yōu)。
　　最后，以平均速度、飽和度