基于多源数据融合的信号控制交叉口配时评估
发布时间：2022-09-28 20:13
交通流检测是信号控制系统的重要组成部分,城市道路交叉路口是城市道路网络的节点,其信号控制效果不但直接决定着路网的通行效率,也关系着驾驶人等各类交通出行者对城市交通管理水平和畅通程度的评价,但长期以来城市道路交叉路口信号控制效果缺少定量化评价标准。本研究旨在借助多源检测交通流数据的融合,获取丰富高质量的交通流特征参数,对信号控制交叉口运行质量进行定量评价。本文研究主要内容包括多源交通流数据融合和信号控制交叉口运行质量评价。根据交通流数据特征,设计基于数据层、特征层和决策层融合的整体框架对信号控制交叉口运行状态和控制效益进行评估。主要工作概述如下:1、针对多源交通流数据质量问题,分别对固定点检测数据和浮动车检测数据进行预处理工作,提高交通流数据质量,为后续数据融合提供数据基础。2、结合多源交通流数据特征和融合框架,选择合适的数据融合算法。建立基于BP神经网络的交通流量融合模型和基于贝叶斯估计的速度融合模型,根据多源检测数据获取信号控制交叉口交通流特征参数,为决策层信息融合奠定基础。3、交叉口运行评价。根据信号控制交叉口运行状态的不确定性,选取合适的指标,通过加权模糊综合评价的方法对交叉口运...
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 选题背景及研究意义
1.2 国内外研究现状
1.2.1 交通数据融合
1.2.2 交叉口运行评价
1.3 研究内容和技术路线
1.3.1 研究内容
1.3.2 技术路线
1.4 本章小结
2 交通流数据融合理论及方法
2.1 数据融合概述
2.1.1 数据融合基本概念
2.1.2 数据融合基本原理
2.2 数据融合方法
2.2.1 经典统计方法
2.2.2 人工智能方法
2.3 本章小结
3 交通流数据准备及其预处理
3.1 多源数据选择
3.2 固定点检测器数据特征
3.2.1 微波检测数据特征
3.2.2 视频检测数据特征
3.3 浮动车GPS数据特征
3.4 多源交通流数据特点分析
3.5 数据预处理
3.5.1 缺失数据的修复
3.5.2 冗余数据的约简
3.5.3 错误数据的修正
3.5.4 浮动车数据预处理
3.5.5 交通数据降噪处理
3.5.6 数据预处理示意
3.6 本章小结
4 交通流数据融合案例
4.1 研究范围
4.2 交叉口交通量提取
4.2.1 融合方法选择
4.2.2 实例分析
4.3 交叉口速度提取
4.3.1 融合方法选择
4.3.2 实例分析
4.4 交叉口停车率提取
4.4.1 计算方法
4.4.2 实例分析
4.5 交叉口延误提取
4.5.1 融合方法选择
4.5.2 实例分析
4.6 本章小结
5 信号控制交叉口评估
5.1 交叉口运行状态评估
5.1.1 算法步骤
5.1.2 隶属函数确定
5.1.3 模糊综合评判
5.1.4 判别实例
5.2 交叉口控制效益评估
5.3 本章小结
6 总结与展望
6.1 论文研究成果
6.2 研究展望与建议
致谢
参考文献
附录
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]基于移动导航数据的信号配时反推[J]. 谭墍元,尹凯莉,李萌,郭伟伟,王力,黄怡斌. 交通运输系统工程与信息. 2017(02)
[2]基于多源数据融合的信号交叉口延误估计研究[J]. 陈百旺,成卫. 价值工程. 2017(10)
[3]基于浮动车数据的信号交叉口排队长度估计[J]. 刘泽,王武宏,郭宏伟,蒋晓蓓. 道路交通与安全. 2016(04)
[4]一种面向海量浮动车数据的地图匹配方法[J]. 王晓蒙,池天河,林晖,邵静,姚晓婧,杨丽娜. 地球信息科学学报. 2015(10)
[5]一种优化的贝叶斯估计多传感器数据融合方法[J]. 张品,董为浩,高大冬. 传感技术学报. 2014(05)
[6]浮动车和固定检测两种数据源的差异特征[J]. 王立晓,刘锴,森川高行. 哈尔滨理工大学学报. 2013(05)
[7]数据融合在智能电网中的应用研究[J]. 李向阳,李玲娟,陈建新,徐小龙. 计算机技术与发展. 2012(04)
[8]信号控制交叉口可靠性建模与仿真[J]. 吕斌,牛惠民. 交通运输系统工程与信息. 2011(06)
[9]动态交通数据质量评价方法研究[J]. 姜桂艳,牛世峰,李红伟. 北京工业大学学报. 2011(08)
[10]面向城市道路交通状态估计的数据融合研究[J]. 徐涛,杨晓光,徐爱功,张明月. 计算机工程与应用. 2011(07)
博士论文
[1]面向特大城市的分层次交通拥堵评价模型及算法[D]. 刘梦涵.北京交通大学 2009
硕士论文
[1]基于浮动车数据的信号交叉口运行状态评估[D]. 臧超.北方工业大学 2018
[2]基于浮动车的信号控制路口运行状态监测方法研究[D]. 尹凯莉.北方工业大学 2017
[3]基于多源检测器的交通流数据融合方法研究[D]. 庄广新.北京交通大学 2017
[4]多源数据融合的城市道路交通状态实时判别方法研究[D]. 曲腾姣.青岛理工大学 2016
[5]基于信息融合的智能交通信号灯控制系统研究[D]. 王鹏.沈阳工业大学 2016
[6]基于D-S证据理论的融合事件检测算法研究[D]. 鹿高娜.北京交通大学 2016
[7]城市道路交通流预测与状态判别关键技术研究[D]. 马玄.华南理工大学 2014
[8]基于城市快速路和主干道多源交通检测信息的数据融合技术研究[D]. 邱奉翠.北京交通大学 2012
[9]基于数据融合的路段行程时间估计[D]. 徐桂鑫.山东大学 2012
[10]城市交通运行效率评价指标体系研究[D]. 王倩倩.中国海洋大学 2012
本文编号：3682309
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 选题背景及研究意义
1.2 国内外研究现状
1.2.1 交通数据融合
1.2.2 交叉口运行评价
1.3 研究内容和技术路线
1.3.1 研究内容
1.3.2 技术路线
1.4 本章小结
2 交通流数据融合理论及方法
2.1 数据融合概述
2.1.1 数据融合基本概念
2.1.2 数据融合基本原理
2.2 数据融合方法
2.2.1 经典统计方法
2.2.2 人工智能方法
2.3 本章小结
3 交通流数据准备及其预处理
3.1 多源数据选择
3.2 固定点检测器数据特征
3.2.1 微波检测数据特征
3.2.2 视频检测数据特征
3.3 浮动车GPS数据特征
3.4 多源交通流数据特点分析
3.5 数据预处理
3.5.1 缺失数据的修复
3.5.2 冗余数据的约简
3.5.3 错误数据的修正
3.5.4 浮动车数据预处理
3.5.5 交通数据降噪处理
3.5.6 数据预处理示意
3.6 本章小结
4 交通流数据融合案例
4.1 研究范围
4.2 交叉口交通量提取
4.2.1 融合方法选择
4.2.2 实例分析
4.3 交叉口速度提取
4.3.1 融合方法选择
4.3.2 实例分析
4.4 交叉口停车率提取
4.4.1 计算方法
4.4.2 实例分析
4.5 交叉口延误提取
4.5.1 融合方法选择
4.5.2 实例分析
4.6 本章小结
5 信号控制交叉口评估
5.1 交叉口运行状态评估
5.1.1 算法步骤
5.1.2 隶属函数确定
5.1.3 模糊综合评判
5.1.4 判别实例
5.2 交叉口控制效益评估
5.3 本章小结
6 总结与展望
6.1 论文研究成果
6.2 研究展望与建议
致谢
参考文献
附录
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]基于移动导航数据的信号配时反推[J]. 谭墍元,尹凯莉,李萌,郭伟伟,王力,黄怡斌. 交通运输系统工程与信息. 2017(02)
[2]基于多源数据融合的信号交叉口延误估计研究[J]. 陈百旺,成卫. 价值工程. 2017(10)
[3]基于浮动车数据的信号交叉口排队长度估计[J]. 刘泽,王武宏,郭宏伟,蒋晓蓓. 道路交通与安全. 2016(04)
[4]一种面向海量浮动车数据的地图匹配方法[J]. 王晓蒙,池天河,林晖,邵静,姚晓婧,杨丽娜. 地球信息科学学报. 2015(10)
[5]一种优化的贝叶斯估计多传感器数据融合方法[J]. 张品,董为浩,高大冬. 传感技术学报. 2014(05)
[6]浮动车和固定检测两种数据源的差异特征[J]. 王立晓,刘锴,森川高行. 哈尔滨理工大学学报. 2013(05)
[7]数据融合在智能电网中的应用研究[J]. 李向阳,李玲娟,陈建新,徐小龙. 计算机技术与发展. 2012(04)
[8]信号控制交叉口可靠性建模与仿真[J]. 吕斌,牛惠民. 交通运输系统工程与信息. 2011(06)
[9]动态交通数据质量评价方法研究[J]. 姜桂艳,牛世峰,李红伟. 北京工业大学学报. 2011(08)
[10]面向城市道路交通状态估计的数据融合研究[J]. 徐涛,杨晓光,徐爱功,张明月. 计算机工程与应用. 2011(07)
博士论文
[1]面向特大城市的分层次交通拥堵评价模型及算法[D]. 刘梦涵.北京交通大学 2009
硕士论文
[1]基于浮动车数据的信号交叉口运行状态评估[D]. 臧超.北方工业大学 2018
[2]基于浮动车的信号控制路口运行状态监测方法研究[D]. 尹凯莉.北方工业大学 2017
[3]基于多源检测器的交通流数据融合方法研究[D]. 庄广新.北京交通大学 2017
[4]多源数据融合的城市道路交通状态实时判别方法研究[D]. 曲腾姣.青岛理工大学 2016
[5]基于信息融合的智能交通信号灯控制系统研究[D]. 王鹏.沈阳工业大学 2016
[6]基于D-S证据理论的融合事件检测算法研究[D]. 鹿高娜.北京交通大学 2016
[7]城市道路交通流预测与状态判别关键技术研究[D]. 马玄.华南理工大学 2014
[8]基于城市快速路和主干道多源交通检测信息的数据融合技术研究[D]. 邱奉翠.北京交通大学 2012
[9]基于数据融合的路段行程时间估计[D]. 徐桂鑫.山东大学 2012
[10]城市交通运行效率评价指标体系研究[D]. 王倩倩.中国海洋大学 2012
本文编号：3682309
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3682309.html
