高速公路交通流預(yù)測和仿真及其應(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)測預(yù)測和仿真仿真及其應(yīng)用及其應(yīng)用HighwayTrafficFlowPredictionSimulationApplication一級學(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交通流預(yù)測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)。對提高高速公路管理水平具有重要的意義。本文對高速公路短時交通流預(yù)測方法

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預(yù)測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預(yù)測方法研究：首先，對非參數(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預(yù)測中的應(yīng)用進(jìn)行對比分析，對數(shù)據(jù)量的需求和交通流波動的應(yīng)對能力進(jìn)行了考察，發(fā)現(xiàn)非參數(shù)回歸方法對數(shù)據(jù)的要求更低而神經(jīng)網(wǎng)絡(luò)方法對于突變點的預(yù)測能力更好。其次，采用機(jī)器學(xué)習(xí)和模式識別領(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)回歸短時交通流預(yù)測的特征選擇方法。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作為評價指標(biāo)，對分量集進(jìn)行精選，形成最優(yōu)或次優(yōu)的狀態(tài)向量。經(jīng)實際數(shù)據(jù)實驗表明，在預(yù)測點位附近的道路拓?fù)浣Y(jié)構(gòu)較復(fù)雜時，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)測的預(yù)測誤差，且能明顯提高對交通流狀態(tài)突變時的預(yù)測精度。2.提出了一種基

4、于交通仿真模型的交通流預(yù)測。在交通流仿真模型的基礎(chǔ)上運用計算機(jī)仿真技術(shù)，模擬出道路網(wǎng)上交通流的運行狀態(tài)，進(jìn)而預(yù)測出道路交通流的信息。3.提出了一種基于交通流預(yù)測結(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)險權(quán)重與預(yù)測數(shù)據(jù)關(guān)系式。根據(jù)實時預(yù)測數(shù)據(jù)，得到路網(wǎng)中每一個路段的事故發(fā)生可能性的動態(tài)權(quán)重。最后建立高速公路巡邏車的動態(tài)巡邏路徑模型和最佳救援路徑模型，利用兩