基于交通流預(yù)測的控制子區(qū)交通狀態(tài)識別技術(shù)研究.pdf

1、隨著科學(xué)技術(shù)的不斷發(fā)展以及人民生活水平的不斷提高，交通擁堵問題越來越普遍。智能交通系統(tǒng)是提高交通控制水平和管理效率的重要手段，而區(qū)域交通狀態(tài)識別是實現(xiàn)智能交通系統(tǒng)的前提，因而對交通狀態(tài)識別技術(shù)的研究具有重要的理論意義和實用價值。
　　本文針對我國城市交通特點，利用自動控制理論、人工智能原理和交通工程技術(shù)對交通控制子區(qū)劃分、短時交通流預(yù)測以及子區(qū)交通狀態(tài)識別等技術(shù)進(jìn)行了深入研究。具體內(nèi)容如下:
　　(1)分別提出了靜態(tài)關(guān)鍵路口

2、和動態(tài)關(guān)鍵路口的選取方法。靜態(tài)關(guān)鍵路口主要根據(jù)主干道原則、路口飽和度原則、流量原則、時間規(guī)律原則以及交通部門的經(jīng)驗進(jìn)行選取。動態(tài)關(guān)鍵路口主要通過路口關(guān)鍵度進(jìn)行選取，為此研究了基于層次分析法的路口關(guān)鍵度計算方法。
　　(2)提出了基于改進(jìn)遺傳算法的交通控制子區(qū)劃分方法。首先設(shè)計了一種基于模糊邏輯的關(guān)聯(lián)度計算方法，然后基于關(guān)鍵路口和路口關(guān)聯(lián)度建立了交通控制子區(qū)劃分模型，并利用改進(jìn)遺傳算法進(jìn)行模型求解，實現(xiàn)了交通控制子區(qū)的劃分。

3、　　(3)提出了基于變權(quán)重組合模型的短時交通流組合預(yù)測方法。首先分析了交通流特征以及影響交通流的主要因素，然后設(shè)計了基于歷史平均模型和神經(jīng)網(wǎng)絡(luò)模型的變權(quán)重組合預(yù)測模型，為了增加模型的平穩(wěn)性，還引入了慣性因子。
　　(4)提出了基于FCM集成分類器的區(qū)域交通狀態(tài)識別方法。首先將當(dāng)前時刻交通流數(shù)據(jù)與交通流預(yù)測數(shù)據(jù)的融合數(shù)據(jù)作為交通狀態(tài)識別輸入數(shù)據(jù)，然后分別提出了基于模糊C均值和基于FCM集成分類器的交通狀態(tài)識別方法，交通狀態(tài)識別的輸出