高速公路交通流預(yù)測(cè)和仿真及其應(yīng)用.pdf

1、天津大學(xué)博士論文高速公路高速公路交通流交通流預(yù)測(cè)預(yù)測(cè)和仿真仿真及其應(yīng)用及其應(yīng)用HighwayTrafficFlowPredictionSimulationApplication一級(jí)學(xué)科：管理科學(xué)與工程學(xué)科專業(yè)：管理科學(xué)與工程研究生：黎光宇指導(dǎo)教師：馬壽峰教授天津大學(xué)管理與經(jīng)濟(jì)學(xué)部二零一六年五月摘要高速公路短時(shí)交通流預(yù)測(cè)和建模是公路管理決策支持系統(tǒng)的核心內(nèi)容和重要基礎(chǔ)。對(duì)提高高速公路管理水平具有重要的意義。本文對(duì)高速公路短時(shí)交通流預(yù)測(cè)方法

2、和交通流建模進(jìn)行了研究，在分析現(xiàn)有研究的基礎(chǔ)上，改進(jìn)并構(gòu)建了新的交通流短時(shí)預(yù)測(cè)方法和一種新的交通流模型，展示了其在高速公路應(yīng)急管理中的典型應(yīng)用，主要研究內(nèi)容和結(jié)論：1.高速公路交通流短時(shí)預(yù)測(cè)方法研究：首先，對(duì)非參數(shù)回歸和神經(jīng)網(wǎng)絡(luò)兩種方法在高速公路交通流短時(shí)預(yù)測(cè)中的應(yīng)用進(jìn)行對(duì)比分析，對(duì)數(shù)據(jù)量的需求和交通流波動(dòng)的應(yīng)對(duì)能力進(jìn)行了考察，發(fā)現(xiàn)非參數(shù)回歸方法對(duì)數(shù)據(jù)的要求更低而神經(jīng)網(wǎng)絡(luò)方法對(duì)于突變點(diǎn)的預(yù)測(cè)能力更好。其次，采用機(jī)器學(xué)習(xí)和模式識(shí)別領(lǐng)域中的

3、特征選擇思想，提出一種混合的、應(yīng)用于非參數(shù)回歸短時(shí)交通流預(yù)測(cè)的特征選擇方法。即首先使用ReliefF算法初步篩選狀態(tài)分量，形成候選分量集；再使用遺傳算法和deltatest作為評(píng)價(jià)指標(biāo)，對(duì)分量集進(jìn)行精選，形成最優(yōu)或次優(yōu)的狀態(tài)向量。經(jīng)實(shí)際數(shù)據(jù)實(shí)驗(yàn)表明，在預(yù)測(cè)點(diǎn)位附近的道路拓?fù)浣Y(jié)構(gòu)較復(fù)雜時(shí)，該方法得出的狀態(tài)向量能夠明顯降低包括非參數(shù)回歸和神經(jīng)網(wǎng)絡(luò)在內(nèi)的多種非參數(shù)交通流預(yù)測(cè)的預(yù)測(cè)誤差，且能明顯提高對(duì)交通流狀態(tài)突變時(shí)的預(yù)測(cè)精度。2.提出了一種基

4、于交通仿真模型的交通流預(yù)測(cè)。在交通流仿真模型的基礎(chǔ)上運(yùn)用計(jì)算機(jī)仿真技術(shù)，模擬出道路網(wǎng)上交通流的運(yùn)行狀態(tài)，進(jìn)而預(yù)測(cè)出道路交通流的信息。3.提出了一種基于交通流預(yù)測(cè)結(jié)果的高速公路巡邏車輛調(diào)度方法。在分析高速公路事故和影響其發(fā)生相關(guān)外界因素間關(guān)系的基礎(chǔ)上，利用面板數(shù)據(jù)模型的分析結(jié)果，建立風(fēng)險(xiǎn)權(quán)重與預(yù)測(cè)數(shù)據(jù)關(guān)系式。根據(jù)實(shí)時(shí)預(yù)測(cè)數(shù)據(jù)，得到路網(wǎng)中每一個(gè)路段的事故發(fā)生可能性的動(dòng)態(tài)權(quán)重。最后建立高速公路巡邏車的動(dòng)態(tài)巡邏路徑模型和最佳救援路徑模型，利用兩