城市道路交通流數(shù)據(jù)質(zhì)量控制理論與模型.pdf

1、本文的研究目標(biāo)是在針對城市道路交通流數(shù)據(jù)質(zhì)量控制理論進(jìn)行分析和總結(jié)的基礎(chǔ)上，研究并建立針對單源數(shù)據(jù)的質(zhì)量控制理論與模型以及針對多源數(shù)據(jù)的融合理論與模型，通過實(shí)測數(shù)據(jù)驗(yàn)證其效果；同時(shí)，為從源頭上根本解決數(shù)據(jù)質(zhì)量問題，提出有助于數(shù)據(jù)質(zhì)量控制工作開展的實(shí)施策略與建議。 圍繞該研究目標(biāo)，首先對國內(nèi)外相關(guān)研究進(jìn)行綜述，總結(jié)當(dāng)前交通流數(shù)據(jù)質(zhì)量控制模型和算法的研究現(xiàn)狀。其次，在此基礎(chǔ)上，結(jié)合當(dāng)前的交通流數(shù)據(jù)質(zhì)量控制需求，建立針對單源數(shù)據(jù)的質(zhì)量

2、控制理論與模型，包括基于交通流理論和統(tǒng)計(jì)學(xué)原理的分層次錯(cuò)誤數(shù)據(jù)判別模型、基于相關(guān)分析理論的錯(cuò)誤數(shù)據(jù)修正模型、基于統(tǒng)計(jì)學(xué)原理的不規(guī)則時(shí)間點(diǎn)修正模型、基于時(shí)間序列理論的丟失數(shù)據(jù)補(bǔ)齊模型四個(gè)部分，以及針對多源數(shù)據(jù)的基于支持向量機(jī)技術(shù)的融合模型。再次，利用北京市快速路和日本阪神高速公路實(shí)測交通流數(shù)據(jù)設(shè)計(jì)合理的數(shù)據(jù)測試方案，對所建立的單源和多源質(zhì)量控制理論與模型進(jìn)行檢驗(yàn)。最后，從技術(shù)、體制和政策三個(gè)層面設(shè)計(jì)并提出有助于數(shù)據(jù)質(zhì)量控制工作開展的實(shí)施策

3、略與建議。通過研究發(fā)現(xiàn)： 1、在單源交通流數(shù)據(jù)的質(zhì)量控制研究領(lǐng)域中，由于使用單一規(guī)則無法實(shí)現(xiàn)錯(cuò)誤數(shù)據(jù)的全面判別，有必要建立分層次的錯(cuò)誤數(shù)據(jù)判別模型，以便從交通流閾值關(guān)系、交通流理論、交通流參數(shù)分布特征等多個(gè)角度入手，提高錯(cuò)誤數(shù)據(jù)的判別效果。模型包括特殊樣本比例閾值規(guī)則、基于交通流參數(shù)的閾值規(guī)則、基于交通流模型規(guī)律的判別規(guī)則、基于聚類分析-曲線回歸的異常數(shù)據(jù)判別規(guī)則和基于數(shù)據(jù)總體趨勢的精密判別規(guī)則等五個(gè)層次，其中的第四層規(guī)則借助于

4、聚類分析方法進(jìn)行分類，然后分別根據(jù)擬合優(yōu)度檢驗(yàn)結(jié)果選擇最佳的回歸曲線模型，最后設(shè)計(jì)殘差分析指標(biāo)得出錯(cuò)誤數(shù)據(jù)，檢驗(yàn)結(jié)果表明較常規(guī)的判別方法能夠提高判別比率55％左右。 2、關(guān)乎單源交通流數(shù)據(jù)質(zhì)量控制中的錯(cuò)誤數(shù)據(jù)修正的兩個(gè)重要因素是用于修正的數(shù)據(jù)源和修正方法。修正的數(shù)據(jù)來源均來自與錯(cuò)誤數(shù)據(jù)時(shí)間或空間相關(guān)的正確數(shù)據(jù)集合。通過數(shù)據(jù)相關(guān)分析表明：就三個(gè)交通參數(shù)而言，相關(guān)度由高到低依次為流量、占有率和速度；就相關(guān)類型而言，橫向鄰接的時(shí)間和空

5、間數(shù)據(jù)相關(guān)度高于縱向鄰接的空間數(shù)據(jù)。另外，在目前研究中修正的方法大多以回歸、插值和加權(quán)移動平均等傳統(tǒng)時(shí)間序列預(yù)測方法為主，將傳統(tǒng)時(shí)間序列預(yù)測方法和相關(guān)分析方法結(jié)合起來建立錯(cuò)誤數(shù)據(jù)修正模型可以改善修正的精確度。 3、目前國內(nèi)外文獻(xiàn)中尚未對不規(guī)則時(shí)間點(diǎn)的修正問題開展研究，本文建立的不規(guī)則時(shí)間點(diǎn)修正模型可以在最大程度上保留原始數(shù)據(jù)信息的前提下，對冗余數(shù)據(jù)進(jìn)行歸并和整理，并將數(shù)據(jù)時(shí)間點(diǎn)修正為規(guī)范的格式，為這些數(shù)據(jù)的管理和應(yīng)用奠定基礎(chǔ)。

6、 4、由于采集時(shí)間間隔的差異，美國部分城市的丟失數(shù)據(jù)所占比例在15％以上，北京市快速路數(shù)據(jù)在包含冗余數(shù)據(jù)的情況下，平均丟失率在2％左右，最高丟失率達(dá)到10％。對于丟失數(shù)據(jù)補(bǔ)齊而言，不同方法有著不同的優(yōu)缺點(diǎn)和適用性，單一的補(bǔ)齊模型無法就不同的丟失環(huán)境作針對性的處理，有必要針對不同的丟失間隔和可用正確數(shù)據(jù)條件設(shè)計(jì)出更高細(xì)節(jié)度的數(shù)據(jù)補(bǔ)齊模型?；诖?，本文建立了根據(jù)丟失間隔來制定補(bǔ)齊方法的數(shù)據(jù)補(bǔ)齊模型，其中根據(jù)自回歸移動平均結(jié)合(ARIM

7、A)原理實(shí)現(xiàn)了針對較長丟失間隔條件下的數(shù)據(jù)補(bǔ)齊。采用北京市快速路數(shù)據(jù)對模型的檢驗(yàn)結(jié)果表明，與小波變換技術(shù)和平均值方法相比，ARIMA模型用于長間隔條件下丟失數(shù)據(jù)的補(bǔ)齊數(shù)據(jù)與真實(shí)值的相關(guān)度指標(biāo)能分別提高42.7％和3.5％。 5、由于多源交通流數(shù)據(jù)的質(zhì)量控制屬于像素層融合，適用的融合技術(shù)以卡爾曼濾波和神經(jīng)網(wǎng)絡(luò)兩類方法為主，但是卡爾曼濾波對數(shù)值病態(tài)情形很敏感，且濾波數(shù)值計(jì)算缺乏穩(wěn)定性，另外神經(jīng)網(wǎng)絡(luò)技術(shù)在應(yīng)用中容易過學(xué)習(xí)、欠學(xué)習(xí)或陷入

8、局部極小值陷阱，而支持向量機(jī)能夠克服上述不足，更加適用于像素層數(shù)據(jù)融合，因此本文引入了支持向量機(jī)理論用于多源交通流數(shù)據(jù)的質(zhì)量控制。采用日本阪神高速公路數(shù)據(jù)對模型的檢驗(yàn)結(jié)果表明，當(dāng)泛化參數(shù)ε=1，2或3時(shí)，修正值與真實(shí)值的總體相關(guān)系數(shù)分別為0.9995，0.9992和0.9990，二者具有很高的相關(guān)度，模型的有效性得以證明。 6、除了從定量建模分析的角度來開發(fā)交通流數(shù)據(jù)的質(zhì)量控制技術(shù)以外，可以由技術(shù)、體制和政策三個(gè)層面提出有助于數(shù)

9、據(jù)質(zhì)量控制工作開展的實(shí)施策略與建議，作為實(shí)現(xiàn)交通流數(shù)據(jù)質(zhì)量控制的輔助手段，這將更有利于從源頭上根本解決數(shù)據(jù)質(zhì)量問題。 總之，本文在總結(jié)既有研究的基礎(chǔ)上，研究并建立了單源和多源條件下的城市道路交通流數(shù)據(jù)質(zhì)量控制理論與模型，實(shí)現(xiàn)了針對錯(cuò)誤數(shù)據(jù)、不規(guī)則時(shí)間點(diǎn)和丟失數(shù)據(jù)的修正和補(bǔ)齊，以及基于支持向量機(jī)技術(shù)的多源數(shù)據(jù)融合，案例研究表明模型的精確度比現(xiàn)有模型有很大的提高。另外，從定性的角度就技術(shù)、體制和政策三個(gè)層面提出有助于交通流數(shù)據(jù)質(zhì)量控