基于交通流大数据的路径规划研究

发布时间：2023-02-09 09:18

　　交通流预测行程时间与路径规划是智能交通系统研究的热点,城市道路交通流基本信息是智能交通系统运行的基础,同时也为智能交通系统的优化提升提供了根本支持。通过更细致地研究交通流基础理论和技术,才能给驾驶员提供实时更新的路径以及精确的行程时间,进而达到缓解交通拥堵、实时交通诱导的目的。随着预测模型研究的发展和大数据时代的到来,交通流理论正朝着智能化、数字化方向发展,在交通流理论中开展大数据研究是当前和未来的发展趋势。本文开篇详细讲述了交通流大数据中几种主要的特性参数及其它们之间的关系与采集方法,并根据本文使用特性参数的性质,使用道路交通视频采集技术获得交通信息数据,再使用交通流大数据预处理方法,获取本文所需要的优质交通流大数据,为之后路程时间预测模型的校定与仿真对比给予根本保障。然后,以更精准地估计城市交通路段时间为目标,将城市所有实验交通路段作为研究对象,分析了经典的卡尔曼滤波行程时间预测模型,并结合道路监管限速加入限速机制优化卡尔曼滤波预测模型,通过实例计算验证了模型准确性。本文同时针对交通流大数据多种因素问题,进行属性子集选择,根据子集特性建立一次指数平滑和二次指数平滑预测模型,并用实测...

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1.绪论
    1.1 研究背景
    1.2 研究目的及意义
    1.3 行程时间预测与路径规划国内外现状
        1.3.1 行程时间预测国内外研究现状
        1.3.2 路径规划国内外研究现状
    1.4 论文的主要研究内容
2.交通流大数据基本特性与采集处理方法
    2.1 交通流数据基本特性参数
        2.1.1 交通量
        2.1.2 速度
        2.1.3 交通流密度和车道占有率
        2.1.4 车头间距和车头时距
    2.2 交通流数据特性参数关系
    2.3 交通流数据检测
        2.3.1 车辆检测器
        2.3.2 交通流数据调查方法
    2.4 交通流数据预处理方法
        2.4.1 数据清理
        2.4.2 数据降噪
        2.4.3 数据规约
    2.5 本章小结
3.卡尔曼滤波预测行程时间研究
    3.1 卡尔曼滤波算法概述
        3.1.1 卡尔曼滤波算法来源
        3.1.2 卡尔曼滤波算法基本思想
        3.1.3 卡尔曼滤波算法流程
    3.2 卡尔曼滤波预测行程时间
        3.2.1 卡尔曼滤波预测模型建立
        3.2.2 卡尔曼滤波预测模型仿真与结果分析
    3.3 改进卡尔曼滤波算法
        3.3.1 仿真实验与结果分析
        3.3.2 性能指标分析
    3.4 本章小结
4.指数平滑预测行程时间研究
    4.1 指数平滑算法概述
        4.1.1 指数平滑法基本思想
        4.1.2 指数平滑算法流程
    4.2 指数平滑预测行程时间
        4.2.1 属性子集选择
        4.2.2 一次指数平滑预测模型建立
        4.2.3 二次指数平滑预测模型建立
    4.3 仿真实验与结果分析
    4.4 本章小结
5.数据融合预测模型与最短时间路径规划
    5.1 融合预测模型
        5.1.1 融合预测模型建立
        5.1.2 熵值法计算权重
        5.1.3 融合预测模型仿真结果分析
    5.2 Dijkstra算法概述
        5.2.1 Dijkstra算法基本思想
        5.2.2 Dijkstra算法流程
    5.3 Dijkstra算法最短时间路径规划
        5.3.1 仿真实验
        5.3.2 结果分析
    5.4 本章小结
总结与展望
    本文总结
    未来展望
参考文献
致谢
攻读学位期间发表的学术论文



本文编号：3738631