基于探測車數(shù)據(jù)和定點檢測器數(shù)據(jù)的路段行程時間估計.pdf

1、隨著人類步入機(jī)動化和汽車化時代，城市交通問題凸現(xiàn)，城市交通擁堵已經(jīng)嚴(yán)重地影響到社會經(jīng)濟(jì)活動和人們的日常生活。智能交通系統(tǒng)已成為公認(rèn)的解決交通問題的最佳途徑之一，而信息是智能交通系統(tǒng)的核心。為了實時監(jiān)控道路交通流的狀態(tài)，許多城市都布設(shè)或采用了為數(shù)眾多的定點檢測器和移動檢測器，從而，大量的多源交通數(shù)據(jù)被采集，因此，對多源交通數(shù)據(jù)的挖掘利用具有重要性和緊迫性雙重特點。論文圍繞多源交通數(shù)據(jù)的挖掘利用和融合展開，具有十分重要的理論意義和實踐價值。

2、論文主要完成了六個部分的研究工作。 第一，以深圳市城市交通仿真系統(tǒng)中采集到的GPS數(shù)據(jù)為分析對象，試圖發(fā)現(xiàn)和找出其中的特征，為后續(xù)的研究和實踐作鋪墊。論文主要研究了深圳市GPS數(shù)據(jù)的時間和空間分布特征、GPS采樣間隔特征、路段樣本量分布特征、路網(wǎng)覆蓋率特征以及路網(wǎng)覆蓋率與出租車數(shù)量之間的關(guān)系。研究結(jié)果揭示了基于探測車數(shù)據(jù)的路段行程時間采集面臨的兩大問題——路段樣本量不足和路網(wǎng)覆蓋率低。對上述特征的提取和認(rèn)識對于探測車交通信息系統(tǒng)

3、設(shè)計以及對GPS數(shù)據(jù)的挖掘利用具有很好的指導(dǎo)意義。 第二，從路段和路網(wǎng)兩個層面對探測車樣本量進(jìn)行了研究。首先，在對路段樣本量模型深入研究的基礎(chǔ)上，指出了路段樣本量是一個有限總體無放回簡單隨機(jī)抽樣問題，并提出了改進(jìn)的路段樣本量模型；其次，引入了路網(wǎng)覆蓋率，提出了路網(wǎng)樣本量的通用模型，并以深圳市實際數(shù)據(jù)為例，建立了路網(wǎng)覆蓋率與出租車總數(shù)量之間的關(guān)系模型。該模型雖有一定的局限性，但為路網(wǎng)樣本量模型的研究提供了一種新的思路。 第

4、三，研究了道路交通流參數(shù)的時變規(guī)律。以檢測器數(shù)據(jù)為對象進(jìn)行分析，揭示了交通流參數(shù)在工作日、周末和節(jié)假日三類時間的不同變化規(guī)律以及交通流參數(shù)在一天中的波動程度；引入相似系數(shù)和波動系數(shù)，研究了各天的交通流參數(shù)在時間軸上的變化趨勢的相似程度以及各天之間的波動程度。研究表明，交通流參數(shù)在同類時間上的時變趨勢具有較高的相似程度和較小的波動。 第四，路段行程時間與道路交通流參數(shù)(流量和占有率)之間的相關(guān)性研究。借助于交通仿真軟件VISSIM

5、，模擬了不同的交通環(huán)境，研究了路段行程時間和流量、占有率之間的相關(guān)關(guān)系。研究表明，在不同的交通流狀態(tài)區(qū)間中，路段行程時間與流量、占有率之間都是顯著相關(guān)的。 第五，提出了一利基于探測車數(shù)據(jù)的路段行程時間估計方法。首先，分析了基于探測車數(shù)據(jù)的路段行程時間估計的誤差來源—采樣誤差和非采樣誤差；其次，有針對性地引入了自適應(yīng)式卡爾曼濾波，并提出利用相似時間特征的歷史數(shù)據(jù)來標(biāo)定狀態(tài)轉(zhuǎn)移系數(shù)。研究結(jié)果表明，自適應(yīng)式卡爾曼濾波能夠較好地解決基于

6、探測車數(shù)據(jù)的路段行程時間估計問題，該方法具有估計精度較高、參數(shù)少、算法收斂速度快以及對初值不敏感等優(yōu)點。 第六，著眼于改善數(shù)學(xué)建模的準(zhǔn)確性，提出了依據(jù)相似的交通流狀態(tài)(定點檢測器數(shù)據(jù))來標(biāo)定狀態(tài)轉(zhuǎn)移系數(shù)，實現(xiàn)了基于數(shù)據(jù)融合的路段行程時間估計。由于轉(zhuǎn)移系數(shù)與交通流量、占有率之間的復(fù)雜關(guān)系，引入了非參數(shù)統(tǒng)計方法——K—近鄰法來估計狀態(tài)轉(zhuǎn)移系數(shù)。研究結(jié)果表明，基于數(shù)據(jù)融合的路段行程時間估計方法，除具有基于探測車數(shù)據(jù)的路段行程時間估計方