城市快速路交通信息提取與協(xié)同優(yōu)化研究.pdf

1、隨著我國國民經(jīng)濟(jì)的發(fā)展，各類機(jī)動(dòng)車的保有量急劇增多，傳統(tǒng)的依靠加大基礎(chǔ)設(shè)施投入的方法已經(jīng)不能解決人們?nèi)找嬖鲩L的交通出行需求。很多特大型城市，如北京、上海、廣州、成都修建的城市快速路阻塞現(xiàn)象屢見不鮮。同時(shí)快速路交通還面臨運(yùn)輸效率低、交通事故頻發(fā)、環(huán)境污染等問題。城市快速路作為城市道路網(wǎng)的主骨架，是城市各區(qū)域之間和城市對外交通聯(lián)絡(luò)的大動(dòng)脈，承擔(dān)著城市大部分的日機(jī)動(dòng)車交通量。因此，提高快速路的交通運(yùn)行效率，緩解交通擁堵，是改善城市整體交通環(huán)境

2、的首要任務(wù)。
　　信息采集技術(shù)的進(jìn)步為交通信息提取研究提供了可靠的信息基礎(chǔ)。交通數(shù)據(jù)具有以下特點(diǎn):海量數(shù)據(jù)、應(yīng)用負(fù)載波動(dòng)大、信息實(shí)時(shí)處理要求性高、數(shù)據(jù)共享需求大、高可用性、高穩(wěn)定性要求。然而，由于各種檢測采集系統(tǒng)的分管部門不同，造成了檢測數(shù)據(jù)之間難以共享。同時(shí)，各種檢測采集器的點(diǎn)位布設(shè)缺乏統(tǒng)一規(guī)劃，采集周期以及得到的數(shù)據(jù)格式不一致給交通信息的融合增加了難度。
　　目前，很多城市已建成智能交通系統(tǒng)，較好的發(fā)揮了現(xiàn)有交通設(shè)施效益

3、。但是，由于交通流的復(fù)雜性，智能交通各子系統(tǒng)的關(guān)聯(lián)性不夠強(qiáng)，導(dǎo)致交通控制系統(tǒng)和誘導(dǎo)系統(tǒng)聯(lián)合實(shí)現(xiàn)智能交通目標(biāo)功能還不夠完善。
　　本文針對交通采集系統(tǒng)和交通控制系統(tǒng)所提供的多源、海量、異構(gòu)、實(shí)時(shí)的快速路交通信息，在快速路交通信息提取和交通協(xié)同控制相關(guān)研究的基礎(chǔ)上，深入研究了快速路交通信息融合、基于粒計(jì)算的交通流參數(shù)預(yù)測，以及快速路的交通協(xié)同控制。主要研究內(nèi)容包括以下幾個(gè)方面:
　　(1)對浮動(dòng)車、視頻采集和微波檢測采集技術(shù)原理

4、進(jìn)行了介紹，結(jié)合三種采集技術(shù)所獲取的部分?jǐn)?shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，最后對采集數(shù)據(jù)的清洗方法進(jìn)行了歸納，為后續(xù)研究打下了數(shù)據(jù)基礎(chǔ)。
　　(2)針對單一檢測器所得到的交通數(shù)據(jù)不能夠全面準(zhǔn)確地反映實(shí)際的交通狀態(tài)，提出一種基于AF-SVR模型的城市快速路多源交通信息融合的方法。首先通過將相同路段中不同檢測器的速度數(shù)據(jù)作為學(xué)習(xí)樣本輸入到支持向量機(jī)回歸模型(supportvector regresion，SVR)中進(jìn)行訓(xùn)練。然后利用魚群算法(arti

5、ficial fish，AF)對支持向量機(jī)回歸模型中的參數(shù)進(jìn)行優(yōu)化，獲得最優(yōu)的信息融合模型，用于多源交通信息的融合，輸出為能準(zhǔn)確反映真實(shí)交通狀態(tài)的速度數(shù)據(jù)，并用人工采集的速度數(shù)據(jù)作為真值進(jìn)行驗(yàn)證。最后將此方法應(yīng)用于成都市三環(huán)快速路路段上的多源交通信息融合。
　　(3)以信息顆粒為基礎(chǔ)數(shù)據(jù)分析單元，針對以往模糊時(shí)間序列模型存在的缺陷，提出了一種新方法構(gòu)建模糊時(shí)間序列模型，該方法在挖掘數(shù)據(jù)內(nèi)在信息關(guān)聯(lián)的基礎(chǔ)上，考慮時(shí)間變量的影響下分析

6、動(dòng)態(tài)可變的區(qū)域間隔長度。此方法主要特點(diǎn)是基于Gath-Geva模糊聚類的時(shí)間序列分割，利用模糊分割構(gòu)造信息顆粒，以信息顆粒為數(shù)據(jù)單元，通過粒計(jì)算分析研究交通流參數(shù)動(dòng)態(tài)變化趨勢。實(shí)驗(yàn)結(jié)果表明，基于粒計(jì)算的交通流參數(shù)預(yù)測可以預(yù)測合理的交通流參數(shù)置信區(qū)間，比傳統(tǒng)的參數(shù)數(shù)值預(yù)測可靠度更高。
　　(4)在控制子區(qū)動(dòng)態(tài)劃分的研究中，路網(wǎng)分為常態(tài)和非常態(tài)兩種環(huán)境并在各個(gè)環(huán)境下分析研究。在對本文的交通信息進(jìn)行整合分析的基礎(chǔ)上，常態(tài)下以交通狀態(tài)信息

7、為主決策信息，提出了關(guān)聯(lián)相聚度的方法，并設(shè)計(jì)了常態(tài)下的交通子區(qū)動(dòng)態(tài)劃分流程。非常態(tài)下提出了以交通波理論為基礎(chǔ)，根據(jù)事件程度（或事件類型）、事件響應(yīng)時(shí)間和事件發(fā)生點(diǎn)上游交通流的交通特征參數(shù)，建立了涵蓋時(shí)間域和空間域城市道路交通事件的影響范圍模型。
　　(5)提出了基于改進(jìn)MPC策略的區(qū)域交通協(xié)同控制方法。該方法綜合考慮了匝道控制、可變限速控制、VMS誘導(dǎo)等管控手段，通過改進(jìn)模型目標(biāo)函數(shù)和構(gòu)造用于分區(qū)控制的區(qū)間協(xié)同模型，實(shí)現(xiàn)了對城市快

8、速路的動(dòng)態(tài)控制，并具有閉環(huán)、最優(yōu)、協(xié)同等特征。算例分析結(jié)果表明了該模型較之以往模型在求解精度和求解速度方面的進(jìn)步。
　　(6)編制了“城市快速路交通信息提取與協(xié)同優(yōu)化研究”示范軟件。該軟件以成都市三環(huán)快速路為背景，利用前文各章提出的數(shù)據(jù)處理技術(shù)和方法模型，實(shí)現(xiàn)了對研究區(qū)域內(nèi)的交通信息查看、交通狀態(tài)預(yù)測、動(dòng)態(tài)子區(qū)劃分、區(qū)域交通控制等功能，可為成都市智能交通建設(shè)提供參考。
　　最后，總結(jié)了論文所取得的主要研究成果和創(chuàng)新點(diǎn)，明確論