一、区域公路交通量时变特性的分析方法研究(论文文献综述)
陈达章,石雪飞[1](2021)在《扩建桥梁车辆荷载特性及多车道荷载模型研究》文中提出基于茂湛高速公路等4个典型路段车辆数据,研究了广东省高速公路改扩建桥梁车辆荷载特性及多车道荷载模型。利用典型路段计重收费数据,研究其交通分布规律、车辆荷载分布特性;基于佛开高速公路实测动态称重数据,根据其交通流分布规律模拟了多车道随机车流;建立了广东省高速公路改扩建桥梁多车道荷载效应计算模型。研究表明:广东省典型高速公路车辆荷载具有明显时变特性且各车型占比不同,外侧车道货车流量显着大于内侧车道;提出了广东省改扩建中小跨径桥梁(l<50m)多车道荷载模型的统一形式:基于影响线同号区域加载"均布线荷载qk=13.0kN/m+集中荷载Pk=360kN"的荷载形式,且多车道横向折减系数宜取为1.00(单车道)、0.87(双车道)、0.80(三车道)、0.75(四车道)。
丁柳清[2](2021)在《基于联网收费数据的高速公路交通量预测方法研究》文中认为随着智慧高速建设进程的不断推进,出行者对于提前掌握高速公路的交通状态的需求越来越多。交通量的准确预测是智能交通系统的重要组成部分,可以为交通诱导策略的制定提供理论基础。高速公路联网收费数据中储存的字段信息主要包括车辆进出的收费站点及时间和费用等通行信息,同时也储存如车种和载重等车辆的信息,具有内容更新及时、数据量大及获取方便的特点。本研究对于短时OD(起讫点)交通量的预测是建立在大规模的历史数据的分析和训练之上的,从将OD数据加载到路网上的动态交通分配方法、案例分析等方面,对高速公路网交通量的预测方法进行研究。基本思路如下:通过对海量的高速公路联网收费数据的预处理提取有效信息,构建高速公路网OD交通量预测模型,然后为了将预测得到的OD交通量加载到路网上,构建动态交通分配模型,进而可以得到预测时段的路段交通量。本文基于海量的高速公路联网历史收费数据,主要完成了以下研究工作:(1)对提取的高速公路收费数据的格式与字段含义进行介绍,对收费数据的研究意义进行说明,通过预处理从海量的历史数据中获取有效信息,并对收费数据中的异常数据产生原因进行分析,得到对研究目的更有价值的通行数据信息。(2)在经由数据采集和预处理得到的交通数据的基础上,对高速公路交通量分布特征进行分析,分别对不同时间尺度下的交通量、出行需求的周期相似性,以及行驶里程分布进行分析。(3)通过对高速公路OD交通量预测影响因素的相关性分析,确定预测变量;通过对长短期神经网络(Long-Short Term Memory,LSTM)模型预测功能实现原理的讨论,将一维卷积滤波器应用到长短期神经网络模型的输入特征提取过程中,分别构建只考虑当天预测点前若干时段和既考虑当天预测点前若干时段也考虑历史同期数据的混合LSTM模型,并确定模型的输入和输出,然后选取模型预测效果评价的指标。(4)为了将预测得到的OD数据加载到路网上,构建了考虑不同车辆类型的基于出行者有限理性的动态交通分配模型,通过建立与其等价的变分不等式模型,将动态交通分配问题转化为变分不等式的求解问题,最后结合MSA算法对模型进行求解。(5)根据本文的研究内容,选择以J省高速公路路网为研究对象,基于该省收费系统中提取的历史收费数据进行案例分析。结合J省基础地理信息文件和收费站的经纬度信息等构建高速公路路网模型。基于本文构建的混合LSTM网络模型对于OD交通量进行预测前,要首先获得所需的OD数据。主要分为历史同期OD矩阵和当天预测点前几个时段的OD矩阵两种。历史同期的动态OD矩阵可以通过对历史收费数据按时间间隔进行汇总可以得到,而当天预测点之前几时段的OD矩阵的获取较为困难,且不是本文研究的重点内容,因此在本文案例分析中用由收费数据采集所得到的当天的OD数据对其进行替代,获得不同车型预测当天的动态OD矩阵;基于海量的历史OD交通量数据对预测模型进行训练,并在测试集上对其进行预测性能评估,比较不同预测模型的预测效果;然后通过动态交通分配模型将数据加载到路网上,对获得的路段层面上的流量进行比较分析,验证预测方法的有效性。
张乃计[3](2021)在《车载和温度综合作用下沥青路面疲劳寿命研究》文中研究表明沥青混凝土路面直接暴露在自然环境中,承受着各种车辆荷载的反复作用。长期使用实践显示:沥青路面结构承载能力、使用性能受沥青路面温度状况较大的影响。车辆荷载对路面作用时间与汽车行驶速度有直接关系,随着车速增加,路面承受荷载的时间减少。虽然车轮行驶通过路面作用时间短,但在路面结构整个寿命周期内,累计作用时间是非常长的。周期性变化的路面结构温度应力和行车荷载的耦合作用,造成路面疲劳损伤破坏。研究从沥青路面结构实际受荷状况出发,考虑行车荷载与环境温度影响,建立与气象要素相关的沥青路面温度场数值计算模型,对路面结构不同深度处的温度进行了分析,结合云南省温度分区,以5℃为温度间隔,得到了云南省沥青路面温度分布。在12个温度区间中,一年的时间里,能引起沥青混合料性能恶化的温度时长只有不到9天,约72%时间里沥青路面温度处于10~35℃的温度区间里。根据高速公路车型分类方法,收集了云南省部分高速公路交通量资料,在实地调查的基础上,分析了云南省三个不同典型区域交通特征的高速公路轴载出现频率,以单轴双轮组车载类型为基准,加权得到云南省20类轴载所占比例,得到了代表不同轴载特征的高速公路轴载谱。研究了层间黏结随路面结构温度变化规律,层间黏结性能受温度影响显着,60℃的黏结性只有20℃的9%,得到了层间黏结随温度变化的表征方程。在不同温度条件下(10、20、30℃),采用四种应力比(0.5、0.4、0.3、0.2)水平,采用间接拉伸试验方法,对SMA-13、AC-20、AC-25三种沥青混合料进行疲劳试验,分析了沥青路面疲劳破坏规律,得到三种典型沥青混合料的疲劳破坏方程。借助ABAQUS有限元分析软件,分析了沥青路面结构在不同温度条件、不同轴载等级水平下力学响应分布规律。随着一天中外界气温的变化,道路结构温度应力均有所变化,路面层温度应力经历了一个由低到高向由高到低的转变,路表层温度应力变化最大,增长了3.69倍。考虑层间黏结变化,在温度和行车荷载耦合作用下,道路结构温度应力状态发生着变化,经历了从受压到受拉的转变,面层底部应力始终处于应力峰值,比单纯荷载作用下应力值高出30%以上基于疲劳累积损伤原理,对不同轴载等级、温度区间下的沥青路面疲劳作用次数进行了计算,得到不同温度分区的沥青路面疲劳寿命。结果显示:云南省不同区域沥青路面疲劳寿命相差较大,有3个区域沥青路面预估使用总寿命大于设计使用年限,滇西南夏炎热冬温区的沥青路面疲劳寿命只有夏凉冬寒区的60%左右。层间黏结状态对沥青路面疲劳寿命影响显着,层间黏结从完全连续到完全光滑,云南省各温度区沥青路面结构疲劳寿命均出现大幅度的折减,平均折减率达到81.07%,最大折减出现在滇西南夏炎热冬温区,疲劳寿命由完全连续时12.03年减少到完全光滑的1.33年。研究通过还原沥青混凝土路面实际受载状况,综合采用理论研究与数值模拟分析、现场调查与交通量数据统计分析、室内试验与有限元仿真相结合的方法,得到了沥青路面在不同温度区间、不同轴载分布下的疲劳行为,通过疲劳累积损伤指标计算,较为准确地预估沥青路面疲劳寿命,能有效提高沥青路面结构设计的准确度,为道路沥青路面养护决策提供依据。
杨鹏飞[4](2021)在《取消省界收费站对高速公路车辆运行影响分析研究》文中研究指明2020年1月1日起中国已全面完成取消高速公路省界收费站的政策任务,车辆在高速公路省界处的通行过程和运行特征均会发生显着变化,车辆通行效率将有所提升。但是,取消省界收费站对车辆运行的具体影响机理尚不清楚。因此,本文探究取消省界收费站对车辆运行的定量影响,进而为高速公路运营管理、交通政策制定和驾驶员出行选择等提供参考依据,同时为高速公路实现全面自由流收费提供科学判据和数据支撑。论文首先梳理国内外相关文献,对行业相关政策和技术标准进行解读,分析取消省界收费站前后的基础设施布局变化和撤站技术路径,提出该政策对车辆在高速公路省界处通行过程的影响。其次,应用SQL server对省界收费站的联网数据进行处理,结合省界收费站调研数据,分析跨省车流量比例、跨省数目分布、不同收费方式的车型比例、车辆速度和服务时间等指标,提取省界收费站普通工作日与免费节假日的交通流时空特征。最后,基于省界收费站交通特征建立车辆在取消省界收费站后的T-save模型和基于通行时间建立节能减排计算方法,并定义省界处通行速度,以鲁北收费站高峰小时的车辆为研究对象进行通行时间和油耗排放影响的案例计算,利用高速公路收费数据对节省的通行时间进行实证研究,采用熵值法评价该政策对省界处各种车型的综合影响。研究结果表明,取消省界收费站后车辆可有效节省通行时间,节能减排效果显着。通行时间方面,绿通车辆最少可节省400s,省界处通行速度提升70%以上,MTC车辆和ETC车辆分别可节省170s和130s左右,省界处通行速度提升28.39%~48.86%,对免费节假日期间的MTC货车影响远大于普通工作日,可节省通行时间480s左右,通行效率可提高4.36倍,省界处通行速度至少提升81.69%;油耗排放方面,高峰小时时段可降低油耗排放66.63%,当单位小时交通量接近最大服务交通量时可降低油耗排放91.92%以上;评价发现,取消省界收费站对MTC6轴货车影响最大,对绿通车辆和1类客车影响次之,对ETC2类客车影响最小。
张振[5](2020)在《基于车辆通行大数据的高速公路路况预测的研究与应用》文中研究说明随着高速公路路网的不断建设与完善,高速公路收费口和道路中心使用了大量监测设备记录通行的车辆信息,从而在高速公路监测系统中存储了海量的车辆通行数据。如何有效地从这些通行数据中,挖掘出更多有价值信息近年来成为研究的焦点之一。本文将结合数据挖掘技术和大数据技术,通过对海量通行数据的挖掘分析,得到高速公路路段的交通量和交通速度信息,实现对未来交通量和交通速度的预测。在此基础上,利用预测出的交通量和交通速度等多个因素,构建高速公路路况状况评价体系,从而对高速公路未来路况的作出预测,为高速公路运营管理和居民出行提供有价值的参考。本文的主要工作和创新点如下:1.针对传统交通量预测模型仅考虑交通量的时间特性而导致预测效果不佳的问题,本文将交通量的时间和空间特性相结合,提出了一种基于卷积神经网络(Convolutional Neural Networks,CNN)与LightGBM结合的交通量预测模型。该模型首先利用CNN模型挖掘出高速公路相邻路段监测点和出入口的时间和空间关联性,实现对交通量数据的时空特征提取,然后将提取到的特征向量输入到LightGBM模型中,实现对交通量的预测。实验结果表明,该模型比以往模型具有较好的预测性能。2.在交通速度预测方面,考虑到长短期记忆(Long Short-Term Memory,LSTM)网络模型只能单向提取交通速度特征的局限性,设计了基于注意力机制的双向长短期记忆(Bidirectional Long Short-Term Memory,BiLSTM)网络的交通速度预测模型。该模型首先采用具有正向LSTM和反向LSTM结合特性的BiLSTM模型提取交通速度特征,然后引入注意力机制突出在交通速度预测中对结果起关键作用的特征,并为它们分配不同的权重。实验结果表明,基于注意力机制的BiLSTM网络的交通速度预测模型可以提高预测精度。3.根据预测出的交通量和交通速度,提出了一种改进的模糊综合评价法用于评价高速公路路况。该算法结合高速公路道路运行情况,将预测出的交通量和交通速度转化为路段未来的饱和度、交通速度和交通密度等高速公路路况评价指标,采用模糊综合评价法评价出高速公路路段的未来路况等级。在权重系数计算方面,本文考虑到人为主观性和客观事实两种情况对实验的影响,同时考虑到专家打分时存在的不确定性的问题,提出了基于区间层次分析法(Interval Analytic Hierarchy Process,IAHP)与熵权法结合的方式用于改进高速公路路况权重系数。使用该方法分别计算出白天和夜间两种情况下的权重系数,再通过梯形隶属度函数的方式确定了各个指标在不同时刻的隶属度,最后得到不同时间的高速公路路况。经过与实际情况对比发现该判断方法符合高速公路路况的变化规律。最后,结合实际项目,应用以上研究成果设计并开发了一款高速公路路况预测平台,实现对研究成果的可视化展示。该平台集成了通行车辆数据采集与查询、高速公路路况指标查询、高速公路路况趋势和高速公路路况查询等功能。该系统能够对未来路况进行展示,能较好的满足实际应用的需求。
曾钰宸[6](2020)在《基于旅游交通匹配曲线的路网可持续发展优化方法研究》文中认为随着中国全面进入小康社会,国民生活水平得到了不断的提高,旅游业作为重要的综合性产业,也逐渐成为了国民经济的重要组分。旅游业的快速发展的同时,游客数量和相应的交通需求也在不断提高,旅游交通成为了交通运输中越来越重要的特殊组分,具有鲜明的周期性和季节性。旅游交通路网作为承担旅游交通的重要载体,不仅承担着日常交通的需求,更需要面对因为旅游交通激增可能带来的一系列交通拥堵和环境问题。新常态发展形势下,能否满足快速增长旅游出行需求成为了旅游交通规划与管理面临的新挑战。近十年来,公路网规划的相关研究取得了丰硕的成果,而对旅游交通路网的可持续研究,尤其是对较为有限的旅游资源和交通资源的均衡性发展规划研究仍有待完善。本文以实现旅游交通路网的可持续发展为目标,综合考虑旅游交通资源的创新、协调、绿色、开放和共享等理念,为实现旅游和交通的协同发展提供新思路,建立了一套较为系统的旅游交通路网可持续发展的规划方法。论文的主要工作包括以下几方面:(1)分析了广东省旅游交通路网可持续发展现状。基于广东省旅游交通发展态势,首先围绕区域自然地理特性和社会经济特点,对广东省旅游交通路网的可持续发展现状进行了背景分析,并对国内外旅游交通及可持续规划的有关研究进行了总结。然后从五大旅游片区出发,进一步落实到以城市为节点的子区域,对规划路网各节点的旅游资源和交通资源的分布现状进行对比,分析了研究区域资源分布的不均衡性与可持续发展优化的必要性。最后,根据研究区域内旅游资源和交通资源不同指标控制下的频数分布特征,对各旅游交通服务水平下影响程度的差异性进行了横向对比分析。(2)研究了旅游交通服务水平影响因素的异质性。首先介绍了旅游交通服务的概念并定义了旅游交通服务水平划分,基于影响因素的异质性效应,从旅游资源和交通资源两个方面对异质性来源进行了分析。然后介绍了考虑异质性的旅游交通服务水平模型的相关理论,利用Nlogit软件分别建立了随机系数logit模型和潜在类别logit模型,对旅游交通服务水平的异质性影响因素进行分析,并与不考虑异质性效应的传统多项logit模型进行了对比。结果表明,相比于不考虑异质性效应的模型,随机系数logit模型和二分类的潜在类别logit模型可以更好的捕捉旅游交通服务水平的异质性因素,且随机系数logit模型在旅游交通服务水平分析方面适用范围更广。最后对异质性因素进行边界效应分析,量化了各因素对旅游交通服务水平F级(发生严重拥堵)影响程度,并获得了各项指标在节点重要度计算中的权重。(3)建立了旅游交通路网可持续发展优化模型。首先针对旅游交通的特点,分析了影响路网可持续的旅游交通相关效益,并计算研究区域内各关键节点的节点重要度。然后以社会经济效益、旅游资源均衡效益和绿色生态效益为基础建立多目标优化模型。其中,社会经济效益主要考虑了旅游交通路网的优化成本和道路使用者节省的时间成本;旅游资源均衡效益考虑了旅游项目的投资和收益;绿色生态效益主要考虑了旅游交通路网的排放碳指标。最后,为模型求解设计了自适应参数的遗传算法,通过多组实验调整,得到收敛速度较快的最优模型参数。该综合效益导向模型中,通过引入节点重要度,不仅量化了长期被忽视的旅游经济辐射效应,而且考虑了旅游交通服务水平影响因素的异质性效应。模型更加符合实际情况,预测准确度也得到了提高。此外,模型参数可以根据不同的区域特性进行修改和调整,和传统的方法相比拥有更好的灵活性。(4)提出了基于旅游交通匹配曲线的路网规划方法。首先基于土木工程中颗粒级配的概念迁移,提出了旅游交通匹配曲线的概念。然后对旅游交通匹配曲线特性进行了理论推导和证明,并基于曲线分割点建立了可以定量描述旅游交通匹配曲线基本形态的两项重要指标:旅游交通规模不均匀系数(TLCU)和曲率系数(TLCC)。其次,在旅游交通路网可持续模型优化结果的基础上,计算了现状路网的合理优化指标,并进一步确定了旅游交通规模不均衡系数和曲率系数的标准值。最后,通过旅游交通路网现状指标结合旅游交通匹配曲线的斜率变化,对现状路网的旅游资源和交通资源的分布情况进行了综合分析,并成功识别了一定范围内资源分布可能发生阶跃现象的节点,分析了节点旅游交通资源不均衡现象对旅游交通路网可持续发展的影响。研究表明,旅游交通匹配曲线可以快速锁定资源不均衡节点的节点重要度和路网规模,且计算结果与旅游匹配曲线结果高度吻合。本文提出的基于旅游交通匹配曲线的路网规划方法与传统方法相比,为路网可持续发展优化提供了可以精确到具体节点的规划优先权和资源调整程度等重要信息。不仅提高了路网资源分布的可视性,同时为节点优化的必要性和实施顺序提供更为有效和精准的建议,从而实现旅游交通路网整体可持续发展的优化。
田甜[7](2020)在《基于收费数据的高速公路出行特征分析及需求预测》文中研究表明随着社会经济的持续发展和城市化进程的加快,公众出行以及货物运输需求不断增加,高速公路供需矛盾日益突出,致使交通拥堵、交通安全等问题逐渐显现。掌握高速公路交通流时空分布特征,准确预测未来OD交通量,对科学、合理地制定交通管控方案、改善路网运行环境具有重要的理论价值和实际意义。本文依托收费数据,从不同时间和空间尺度分析高速公路交通流的时空集聚特征,并根据交通流变化趋势的相似性将车辆出行时间场景划分为四类:工作日、放假前一天、周末以及节假日。然后在交通量相关性分析的基础上,提出在不同出行时间场景下建立基于历史流量的OD流量预测模型。此外,为了进一步提高周末场景下OD流量预测的精度,本文提出了一种基于车辆出行档案的OD流量预测模型。通过深入挖掘收费数据中描述车辆出行行为特性以及出行时空偏好的指标,建立高速公路车辆出行档案。其次对车辆出行档案中所有指标进行集计分析,构造OD流量预测模型的特征变量集,再利用最大互信息系数法提取最优特征子集,从而建立随机森林预测模型的训练样本集,实现高速公路交通流OD流量预测。本文的主要研究成果和结论如下:(1)通过高速公路交通流时空特征研究发现,在时间维度上,交通流变化具有明显的周期性;在空间维度上,交通流具有流量偏斜特征。此外,通过交通量相关性分析可知,在不同出行时间场景下,高速公路交通量与前n个时间间隔的历史交通量具有极强的相关性。(2)根据交通量相关性分析结果,在不同出行时间场景下,分别采用历史交通量的时间序列数据和周期序列数据,建立了基于历史流量的OD流量预测模型。从预测结果来看,在工作日场景下,采用时间序列数据的模型预测误差为9.19%,相比采用周期序列数据的模型预测误差低2.43%;放假前一天场景下,模型预测误差仅为11.30%;而周末场景下采用时间序列数据以及周期序列数据的模型预测误差均为20%左右。实例分析表明,工作日和放假前一天场景下,采用基于历史流量的OD流量预测模型具有较高的精度;而周末场景下,模型预测误差较大。(3)利用高速公路收费数据,建立基于车辆出行档案的OD流量预测模型。在周末场景下,模型的三个评价指标RMSE、MAE以及MAPE值均得到了优化,相比基于历史流量的OD流量预测模型,其MAPE值下降了7%左右。实例分析结果证明,周末场景下采用基于车辆出行档案的OD流量预测模型具有可行性。
王延鹏[8](2020)在《基于TVF-EMD的主干道路口短时交通流量预测研究》文中提出随着我国经济的快速发展与综合国力的不断提升,城市汽车保有量持续增长,交通需求远远大于交通供给,导致了严重的城市交通拥堵、交通环境污染和交通安全等问题。发展建设智能交通系统(ITS),挖掘现有交通基础设施的潜力,是缓解城市交通问题的有效措施。短时交通量预测是智能交通系统的关键技术方法之一,基于科学、精准、可靠的短时交通量预测所建立的智能交通系统,可以提高交叉口的通行效率,为出行者规划最佳的出行路线,诱导民众选用合理的交通方式出行。因此,探究短时交通量预测精度与可靠性的影响因素,构建性能优异的短时交通量预测模型,对支撑智能交通系统的建设发展,改善城市交通管理水平,缓解城市交通拥堵具有重要的意义。本文首先阐述了短时交通量相关基础理论,分析了短时交通量特性,剖析了几种短时交通量预测方法的利弊;接着,分析介绍了短时交通量原始数据预处理的方法、不同数据分解处理方法的优缺点、时变滤波经验模态数据分解(TVF-EMD)方法的优势;其次,基于TVF-EMD与最小二乘支持向量机(LSSVM)智能预测模型,构建了TVF-EMD-LSSVM混合预测模型,并给出该模型的求解方法;然后,建立了广义自回归条件异方差(GARCH)模型,选取平均绝对误差、平均相对百分比误差、均方根误差、均方根相对误差、均等系数平均置信区间宽度和无效覆盖率7个指标评价预测精度与可靠性;最后,利用重庆市主城区某主干道路两个进口道A、B的交通量数据,进行案例应用分析,将本文建立的短时交通量混合预测模型TVF-EMD-LSSVM的预测结果与经验模态分解-最小二乘支持向量机混合预测模型(EMD-LSSVM)、LSSVM和自回归综合移动平均(ARIMA)模型的预测结果进行比较。结果表明,本文构建的短时交通量混合预测模型TVF-EMD-LSSVM的预测精度更高,可靠性更好。本文以城市主干道进口道的短时交通量为研究对象,利用TVF-EMD数据分解处理方法与LSSVM预测模型的优势,研究构建出基于数据分解的混合预测模型TVF-EMD-LSSVM,在一定程度上,提高了短时交通量的预测精度,改善了短时交通量的预测可靠性,完善了短时交通量的预测模型理论方法。
李希瑞[9](2020)在《基于收费数据的高速公路交通流特性分析及通行能力研究》文中研究表明近年来,我国高速公路飞速发展,联网收费系统也逐步趋于成熟,成为高速公路智能交通系统的核心组成部分。联网收费系统在收费过程中收集了大量数据,如何最大限度挖掘和利用好这些数据,研究高速公路交通流特性,提升收费站通行能力和服务质量,是目前公路智能交通领域的热门话题。本文以高速公路联网收费数据为基础,分别从高速公路交通流量时间分布特性、车辆行程速度、交通密度等方面对高速公路交通流特性进行分析。利用通行能力理论计算法和系统仿真法,分别对ETC、MTC车道通行能力进行分析理论计算和系统仿真验证,提出混合收费站的优化设计方案,为ETC系统的大力推广和实际应用提供参考依据。具体研究内容包括:(1)收费数据准备及预处理。将Excel格式的原始数据导入My SQL数据库,然后通过修复不完整数据、简约冗余数据及修正错误数据等方式,对数据进行预处理。同时,对预处理后的数据进行降噪处理,得到相对准确地基础数据,为后续交通流特性分析及通行能力研究打好基础。(2)收费数据的交通流特性分析。基于高速公路收费数据,分别从高速公路交通流量时间分布特性、车辆行程速度、交通密度等方面对高速公路交通流特性进行分析。首先围绕交通流量时变、日变、周变特性三个方面,对高速公路交通量时间分布特性进行分析。然后根据不同的统计形式(按星期统计和按24小时统计),对车辆行程速度分布特性进行研究。最后结合交通流三参数之间的关系特征,对所选路段区间平均交通密度和单车道平均交通密度进行了分析。(3)收费站通行能力研究。利用理论计算法,对ETC车道及MTC车道道路通行能力进行计算研究,并确定混合收费站总通行能力。通过VISSIM仿真系统建立仿真模型,分别仿真ETC单车道、ETC多车道及收费站实例的通行能力,并将理论计算结果与仿真结果进行对比,验证模型的吻合度。最后根据研究成果,提出混合收费站ETC车道配置的最优方案。
邢保知[10](2019)在《高速公路收费站通行需求分析及通行效果建模仿真》文中研究指明随着我国经济的稳步发展和经济结构的不断优化,高速公路客运和货运量不断上升,高速公路收费站的通行压力日趋增大,再加上收费延误对通行能力的影响,高速公路收费站拥堵情况日趋严重,收费站逐渐成为了高速公路交通的瓶颈。因土地、资金、成本费用和环境等原因,高速公路改扩建成本很高。因此,从精确的管理角度入手是解决问题的可靠途径。高速公路收费站的未来车流量是制定收费站改扩建决策的重要依据,依靠精确可靠的预测结果才能做出有效的决策,只有这样才能高效地解决目前高速公路收费站所面临的拥堵问题,使交通服务水平不断得到提高。高速公路收费站车流量具有突发性、非线性等特点。Elman神经网络模型通过状态反馈、记忆并利用历史数据输出结果,不但实现静态系统的建模,还直接反映动态过程,具有适应时变特性的能力。与BP神经网络及其他一般神经网络相比,Elman神经网络模型在计算能力及网络稳定性方面都具有显着的优势,具有非常好的自适应能力。因此,高速公路车流量可以用Elman神经网络来进行预测。本文在详细分析现有高速公路车流量预测模型的基础上,研究了基于时间序列的Elman神经网络预测模型,并结合登封东收费站车流量的特点,利用matlab软件建立了登封东收费站出口月平均日车流量的Elman神经网络模型并进行了验证,在原始数据的预处理过程中,对数据的归一化方法进行了改进,使其更加适合中长期的车流量预测,结果证明改进后的Elman神经网络非常适合收费站的车流量预测,预测结果快速准确,针对车辆通行高速公路收费站的行为特点,对登封东收费站现有出口车道的通行能力进行了分析,利用Elman神经网络预测模型的预测结果通过VISSIM软件对登封东现有的车道配置进行了建模仿真和评价,结果表明登封东现有出口车道配置完全能满足三年内车流量需求,应着力于优化单车道通行能力,对异常车辆及时进行疏导,就能有效提高通行效率和服务水平。因高速公路车流量影响因素复杂,对车流量进行远期预测需要利用已预测得出的车流量数据,所以利用本文构建的车流量预测模型对远期预测结果的准确性难以把握,所以本研究仅预测了未来三年的月平均日车流量。今后还需对高速公路车流量的影响因素进行深入研究,预测方法进一步完善。如果先针对单个车流量影响因素建立神经网络模型进行精确预测,再利用精确预测的每个车流量影响因素预测值建立远期车流量的神经网络模型进行预测,会大大提高远期车流量预测的准确性。
二、区域公路交通量时变特性的分析方法研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、区域公路交通量时变特性的分析方法研究(论文提纲范文)
(1)扩建桥梁车辆荷载特性及多车道荷载模型研究(论文提纲范文)
1 概述 |
2 典型高速公路路段车辆荷载特性分析 |
2.1 数据基础 |
2.2 交通流量特性 |
2.3 车重分布特性 |
2.4 轴重分布特性 |
3 随机交通流特性分析及模拟 |
3.1 随机交通流量特性 |
(1)分车道交通量特性。 |
(2)分车道车型组成特性。 |
3.2 车辆参数特性 |
(1)车速分布特性。 |
(2)轴距分布特点。 |
3.3 多车道车辆荷载仿真模拟 |
4 改扩建桥梁的多车道车辆荷载模型 |
4.1 改扩建桥梁车道荷载模型 |
4.1.1 单车道荷载模型的建立 |
4.1.2 车辆荷载模型的推定 |
4.2 多车道桥梁横向折减系数 |
4.2.1 计算方法 |
4.2.2 多车道横向折减系数的推导 |
4.3 典型高速公路改扩建桥梁车道荷载统一模型 |
5 结语 |
(2)基于联网收费数据的高速公路交通量预测方法研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外相关研究综述 |
1.2.1 交通量预测方法研究现状 |
1.2.2 动态交通分配的研究现状 |
1.2.3 出行路径选择研究现状 |
1.2.4 国内外研究现状总结分析 |
1.3 本文主要研究内容 |
1.3.1 拟解决的问题 |
1.3.2 论文结构 |
1.3.3 技术路线 |
2 数据采集与应用分析 |
2.1 数据采集 |
2.2 数据预处理 |
2.2.1 异常数据处理 |
2.2.2 缺失数据补齐 |
2.3 高速公路交通量特性分析 |
2.3.1 出行里程分布分析 |
2.3.2 通行时间分布分析 |
2.4 交通量预测影响因素分析与选择 |
2.4.1 预测点前若干时段车流量 |
2.4.2 历史同期车流量 |
2.4.3 影响因素选择 |
2.5 本章小结 |
3 短时OD交通量预测模型构建 |
3.1 基于LSTM网络的短时OD交通量预测模型 |
3.1.1 基于RNN的预测模型 |
3.1.2 基于LSTM的预测模型 |
3.1.3 基于混合LSTM神经网络的预测模型 |
3.2 模型的输入和输出与评价指标选取 |
3.2.1 模型的输入和输出 |
3.2.2 评价指标选取 |
3.3 本章小结 |
4 基于动态交通分配的路段流量获取 |
4.1 动态OD矩阵的获取 |
4.2 基于累积前景理论的路径选择模型 |
4.3 动态交通分配模型构建 |
4.3.1 符号的定义与说明 |
4.3.2 模型构建 |
4.3.3 等价的变分不等式模型 |
4.3.4 模型求解 |
4.4 本章小结 |
5 案例分析 |
5.1 基础数据描述 |
5.2 原始数据预处理 |
5.3 短时OD交通量预测效果及对比分析 |
5.3.1 动态OD数据的获取 |
5.3.2 模型训练 |
5.3.3 训练结果与讨论 |
5.4 基于动态交通分配的路段交通量获取 |
5.4.1 初始路段数据加载 |
5.4.2 对比实验设计 |
5.4.3 路段交通量结果比较与分析 |
5.5 本章小结 |
6 结论与展望 |
6.1 工作内容与结论 |
6.2 研究展望 |
参考文献 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
(3)车载和温度综合作用下沥青路面疲劳寿命研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 沥青路面疲劳性能研究 |
1.2.2 沥青路面疲劳损伤分析与计算 |
1.2.3 层间黏结对沥青路面结构影响分析研究 |
1.3 需要进一步研究的内容 |
1.4 研究主要内容 |
1.4.1 主要研究内容 |
1.4.2 研究路线图 |
第二章 沥青路面结构温度分布 |
2.1 影响沥青路面温度的气象要素 |
2.1.1 气温的变化 |
2.1.2 太阳辐射 |
2.1.3 日照时长 |
2.1.4 平均风速 |
2.2 沥青路面换热 |
2.2.1 对流换热 |
2.2.2 辐射换热 |
2.2.3 沥青路面综合换热 |
2.3 沥青路面材料的热物理参数 |
2.3.1 太阳辐射吸收率 |
2.3.2 沥青路面热物理参数 |
2.4 沥青路面结构温度数值模型 |
2.4.1 模型说明 |
2.4.2 混合边界条件 |
2.4.3 初始温度 |
2.5 沥青路面结构温度分布 |
2.5.1 路面结构温度分布 |
2.5.2 路面结构温度沿深度分布 |
2.5.3 云南省沥青路面温度分区 |
2.5.4 云南省沥青路面结构温度分布 |
2.6 小结 |
第三章 云南省沥青路面轴载谱 |
3.1 轴载概述 |
3.2 轴载调查 |
3.2.1 云南省高速公路现状 |
3.2.2 常见轴载型式 |
3.2.3 交通荷载调查方案 |
3.3 轴载调查分析 |
3.3.1 安楚高速公路车载分析 |
3.3.2 大丽高速公路车载分析 |
3.3.3 蒙新高速公路车载分析 |
3.4 云南省高速公路轴载分布 |
3.4.1 安楚高速公路轴载组成 |
3.4.2 大丽高速公路轴载组成 |
3.4.3 蒙新高速公路轴载组成 |
3.4.4 云南省高速公路轴载谱 |
3.5 小结 |
第四章 沥青路面荷载和温度耦合响应分析 |
4.1 沥青混合料本构模型 |
4.1.1 沥青混合料Maxwell模型 |
4.1.2 沥青混合料Burgers模型 |
4.1.3 修正的Burgers模型 |
4.2 沥青路面响应分析模型 |
4.2.1 项目路面结构 |
4.2.2 路面结构分析模型 |
4.2.3 沥青路面材料参数 |
4.3 层间黏结随温度变化规律 |
4.3.1 剪切试验 |
4.3.2 不同温度下的层间黏结强度 |
4.4 沥青路面结构温度应力 |
4.4.1 路面结构层最大拉应力 |
4.4.2 面层内最大剪应力 |
4.4.3 路面结构温度应力 |
4.5 沥青路面荷载响应分析 |
4.5.1 静载下沥青路面荷载应力响应 |
4.5.2 移动荷载下沥青路面应力响应 |
4.6 考虑层间黏结的沥青路面结构响应分析 |
4.7 小结 |
第五章 沥青混合料疲劳试验研究 |
5.1 沥青混合料疲劳破坏机理 |
5.1.1 车轮荷载下的沥青路面受力状态 |
5.1.2 疲劳破坏机理 |
5.2 沥青混合料疲劳试验方法 |
5.3 沥青混合料室内疲劳试验 |
5.3.1 原材料参数 |
5.3.2 间接拉伸疲劳试验 |
5.4 沥青混合料疲劳方程 |
5.4.1 疲劳试验结果分析 |
5.4.2 应力疲劳方程及疲劳曲线 |
5.4.3 应变疲劳方程 |
5.5 小结 |
第六章 沥青路面结构疲劳寿命预估研究 |
6.1 疲劳累积损伤理论 |
6.2 沥青路面结构层拉应变 |
6.2.1 沥青路面结构模型 |
6.2.2 沥青混合料层底拉应变 |
6.3 沥青路面疲劳寿命预估 |
6.3.1 沥青路面车辆荷载累计作用次数 |
6.3.2 路面温度区间内的各轴载作用频次 |
6.3.3 沥青路面疲劳寿命计算 |
6.4 层间黏结状态对沥青路面疲劳寿命的影响 |
6.4.1 层间黏结状态分级 |
6.4.2 层间黏结状态对沥青路面疲劳寿命的影响 |
6.5 小结 |
七结论与建议 |
7.1 主要研究成果和结论 |
7.2 研究主要创新点 |
7.3 进一步研究建议 |
致谢 |
参考文献 |
攻读学位期间取得的研究成果 |
(4)取消省界收费站对高速公路车辆运行影响分析研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究目的与意义 |
1.3 国内外研究现状 |
1.3.1 收费站交通特征研究 |
1.3.2 取消省界收费站的相关研究 |
1.4 研究内容及创新点 |
1.4.1 研究内容 |
1.4.2 本文创新点 |
1.5 研究技术路线图 |
第二章 取消省界收费站前后交通设施及影响研究 |
2.1 高速公路省界处交通设施变化研究 |
2.1.1 省界收费站取消前的交通设施 |
2.1.2 省界收费站取消后的交通设施 |
2.2 通行费制改革与撤站技术路线 |
2.2.1 收费改革与车型分类 |
2.2.2 取消省界收费站的技术路径 |
2.3 车辆通行过程影响分析 |
2.3.1 省界收费站取消前通行过程 |
2.3.2 省界收费站取消后通行过程 |
2.4 本章小结 |
第三章 省界收费站交通特征分析 |
3.1 数据采集及计算方法 |
3.1.1 数据采集 |
3.1.2 数据处理及计算方法 |
3.2 跨省车流量分析 |
3.2.1 车流类型分类 |
3.2.2 跨省车流量统计分析 |
3.3 省界收费站交通流分析 |
3.3.1 交通量分析 |
3.3.2 出入口车型分析 |
3.4 车辆速度和服务时间分析 |
3.4.1 车辆到达过程 |
3.4.2 车辆速度分析 |
3.4.3 车辆服务与离开时间分析 |
3.5 本章小结 |
第四章 取消省界收费站对通行时间的影响 |
4.1 T-save模型构建 |
4.1.1 取消省界站前通行时间分析 |
4.1.2 模型建立 |
4.2 T-save模型求解 |
4.2.1 模型参数设置 |
4.2.2 模型求解结果 |
4.2.3 模型结果分析 |
4.3 省界处通行速度影响 |
4.4 基于高速公路收费数据的实例验证 |
4.4.1 基于收费数据的通行时间算法 |
4.4.2 模型误差分析 |
4.5 对免费节假日的影响分析 |
4.5.1 免费节假日通行时间影响 |
4.5.2 免费节假日省界处通行速度影响 |
4.6 本章小结 |
第五章 基于通行时间的油耗排放影响及评价 |
5.1 省界收费站车辆油耗分析 |
5.2 节能减排计算方法 |
5.2.1 E-save模型建立 |
5.2.2 车辆排放计算方法 |
5.3 车辆油耗排放案例测算 |
5.3.1 模型参数标定 |
5.3.2 模型求解及结果分析 |
5.3.3 不同类型车辆的节能减排影响研究 |
5.4 取消省界收费站的评价分析 |
5.4.1 评价指标选取 |
5.4.2 评价方法的选择 |
5.4.3 各类车辆的影响评价分析 |
5.5 本章小结 |
结论与展望 |
结论 |
展望与不足 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
(5)基于车辆通行大数据的高速公路路况预测的研究与应用(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 交通参数的预测方法 |
1.2.2 路况的评价方法 |
1.3 本文研究内容 |
1.4 本文组织结构 |
第二章 高速公路路况预测的关键技术研究 |
2.1 引言 |
2.2 分布式大数据技术 |
2.3 高速公路路况评价 |
2.3.1 高速公路路况建模过程 |
2.3.2 数据归一化原理 |
2.3.3 模型评价标准 |
2.4 交通量预测模型原理 |
2.4.1 卷积神经网络模型原理 |
2.4.2 LightGBM模型原理 |
2.5 交通速度预测模型原理 |
2.5.1 BiLSTM模型原理 |
2.5.2 注意力机制原理 |
2.6 本章小结 |
第三章 基于CNN与 LightGBM结合的交通量预测模型研究 |
3.1 引言 |
3.2 交通量数据预处理 |
3.2.1 数据来源与问题分析 |
3.2.2 原始数据处理与统计 |
3.2.3 交通量数据处理 |
3.3 交通预测模型 |
3.3.1 交通量时空特性分析 |
3.3.2 基于LightGBM交通量预测模型 |
3.3.3 基于CNN的交通量预测模型 |
3.3.4 基于CNN-LightGBM的交通量预测模型 |
3.3.5 模型预测结果 |
3.4 本章小结 |
第四章 基于Attention-BiLSTM模型的交通速度预测研究 |
4.1 引言 |
4.2 交通速度数据预处理 |
4.2.1 原始数据预处理 |
4.2.2 通行时间的计算与筛选 |
4.2.3 速度数据的计算 |
4.3 .交通速度预测模型 |
4.3.1 基于BiLSTM的交通速度预测模型 |
4.3.2 基于Attention-BiLSTM的交通速度预测模型 |
4.4 实验结果与分析 |
4.5 本章小结 |
第五章 基于模糊评价法的高速公路路况评定算法 |
5.1 引言 |
5.2 高速公路路况判定指标定义 |
5.2.1 路况评价因素指标的选取 |
5.2.2 路况评价标准 |
5.3 基于模糊评价的路况评价方法 |
5.3.1 建立高速公路路况的指标集 |
5.3.2 建立高速公路路况的评价集 |
5.3.3 基于IAHP-熵权法的权重系数确定方法 |
5.3.4 确立评价因素指标隶属度 |
5.3.5 确立多因素指标下的模糊综合评价矩阵 |
5.3.6 最终等级确定方法 |
5.4 实验结果与分析 |
5.5 本章小结 |
第六章 高速公路路况预测平台的设计与开发 |
6.1 引言 |
6.2 系统设计 |
6.2.1 开发环境 |
6.2.2 技术路线 |
6.2.3 系统的难点和解决方案 |
6.2.4 系统硬件架构 |
6.2.5 系统软件架构 |
6.2.6 数据库的设计 |
6.3 系统平台展示 |
6.3.1 登录系统页面 |
6.3.2 车辆查询页面 |
6.3.3 高速公路路况指标查询页面 |
6.3.4 高速公路路况趋势页面 |
6.3.5 高速公路路况查询页面 |
6.4 本章小结 |
第七章 总结与展望 |
7.1 主要成果 |
7.2 展望 |
参考文献 |
攻读硕士学位期间取得的成果 |
致谢 |
(6)基于旅游交通匹配曲线的路网可持续发展优化方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 旅游交通的影响因素及异质性分析方法 |
1.2.2 基于可持续的旅游交通路网规划方法 |
1.2.3 国内外研究现状分析 |
1.3 本文研究内容及框架 |
第二章 旅游交通服务水平的异质性影响因素分析 |
2.1 旅游交通服务水平概述 |
2.1.1 旅游交通服务的定义与特点 |
2.1.2 旅游交通服务水平的划分 |
2.2 异质性效应的相关理论 |
2.2.1 异质性的概念 |
2.2.2 旅游交通服务水平影响因素的异质性来源 |
2.3 考虑异质性的旅游交通服务水平模型理论 |
2.3.1 效用理论简介 |
2.3.2 自变量多重共线性诊断 |
2.3.3 考虑异质性的logit模型理论 |
2.3.4 考虑异质性的模型检验方法 |
2.4 本章小结 |
第三章 旅游交通路网可持续发展的优化模型 |
3.1 优化目标 |
3.1.1 社会经济效益 |
3.1.2 旅游资源均衡效益 |
3.1.3 绿色生态效益 |
3.2 约束条件 |
3.3 目标函数标准化 |
3.4 旅游交通路网优化模型求解 |
3.5 旅游交通路网优化模型检验 |
3.6 本章小结 |
第四章 基于旅游交通匹配曲线的路网规划方法 |
4.1 旅游交通匹配曲线的概念 |
4.2 曲线建立基本步骤 |
4.3 旅游交通匹配曲线特性 |
4.4 旅游交通匹配曲线基本参数 |
4.4.1 旅游交通路网规模不均匀系数 |
4.4.2 旅游交通路网规模曲率系数 |
4.5 本章小结 |
第五章 基于匹配曲线的广东省旅游交通路网规划 |
5.1 路网可持续与资源均衡现状分析 |
5.1.1 旅游交通路网发展的可持续性 |
5.1.2 旅游交通路网的资源均衡性 |
5.2 旅游交通服务水平影响因素分析 |
5.2.1 数据预处理 |
5.2.2 自变量的多重共线性诊断 |
5.2.3 旅游交通服务水平影响因素特征分析 |
5.2.4 考虑异质性的旅游交通服务水平模型结果 |
5.2.5 模型拟合优度及预测精度对比分析 |
5.2.6 基于边界效应的因素权重分析 |
5.3 旅游交通路网均衡性与可持续发展规划 |
5.3.1 基于可持续的优化模型最优解 |
5.3.2 基于旅游交通路网匹配曲线的规划结果 |
5.4 本章小结 |
结论与展望 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
(7)基于收费数据的高速公路出行特征分析及需求预测(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 高速公路收费数据研究 |
1.2.2 出行时空分布特征研究 |
1.2.3 交通流量预测研究进展 |
1.2.4 国内外研究进展评述 |
1.3 研究目的及意义 |
1.4 主要研究内容与技术路线 |
1.5 论文组织结构 |
第2章 研究区域与数据概述 |
2.1 研究区域界定 |
2.2 数据概述 |
2.3 数据预处理 |
2.3.1 原始数据处理 |
2.3.2 交通量数据处理 |
2.4 试验通道路径映射表建立 |
2.5 本章小结 |
第3章 高速公路交通流时空特征分析 |
3.1 交通流时间分布特征分析 |
3.1.1 交通流总体特征 |
3.1.2 交通流日变特征 |
3.1.3 交通流时变特征 |
3.1.4 出行时间场景划分 |
3.2 交通流空间集聚特征分析 |
3.2.1 节点流量的空间集聚特征 |
3.2.2 OD路径流量的空间集聚特征 |
3.3 高速公路交通量相关性分析 |
3.4 本章小结 |
第4章 基于历史流量的OD流量预测 |
4.1 随机森林算法原理 |
4.1.1 决策树概述 |
4.1.2 随机森林概述 |
4.1.3 随机森林回归思想 |
4.1.4 随机森林在R语言中的实现 |
4.2 预测模型搭建的基本思想 |
4.3 模型评价方法 |
4.3.1 模型评价指标 |
4.3.2 指标计算方法 |
4.4 实例分析 |
4.4.1 数据提取与预处理 |
4.4.2 预测模型建立 |
4.4.3 预测结果分析 |
4.5 本章小结 |
第5章 基于车辆出行档案的OD流量预测 |
5.1 流量预测思路 |
5.2 高速公路车辆出行档案建立 |
5.3 特征变量构建与筛选 |
5.4 实例分析 |
5.4.1 数据提取 |
5.4.2 预测模型建立 |
5.4.3 预测结果分析 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.1.1 主要结论 |
6.1.2 论文创新点 |
6.2 展望 |
致谢 |
参考文献 |
攻读学位期间取得的研究成果 |
(8)基于TVF-EMD的主干道路口短时交通流量预测研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 国内研究现状 |
1.2.2 国外研究现状 |
1.2.3 研究现状综述 |
1.3 研究内容及论文的组织架构 |
1.4 研究方法与技术路线 |
1.5 本章小结 |
第2章 交通流基础理论与预测方法分析 |
2.1 交通流基础理论 |
2.2 城市主干道路口短时交通量预测需求分析 |
2.2.1 短时交通量特性 |
2.2.2 主干道路口短时交通量预测的重要性与需求性 |
2.3 短时交通量预测方法比较分析 |
2.2.1 统计学理论预测模型 |
2.2.2 非线性预测模型 |
2.2.3 智能预测模型 |
2.2.4 混合预测模型 |
2.2.5 预测模型利弊比较分析 |
2.4 本章小结 |
第3章 交通量数据分析与处理 |
3.1 短时交通量数据预处理 |
3.2 短时交通量数据特性分析 |
3.3 短时交通量数据的分解方法与不足 |
3.3.1 小波分解 |
3.3.2 变分模态分解 |
3.3.3 经验模态分解 |
3.3.4 集合经验模态分解 |
3.3.5 分解方法对比分析 |
3.4 时变滤波经验模态分解 |
3.5 本章小结 |
第4章 基于TVF-EMD的短时交通量预测模型构建与可靠性评估 |
4.1 基于数据分解的混合预测模型TVF-EMD-LSSVM构建流程 |
4.2 时变滤波经验模态分解数据处理方法 |
4.2.1 局部截止频率的估计 |
4.2.2 构建时变滤波器获取局部均值函数 |
4.2.3 判断是否满足停止准则 |
4.3 最小二乘支持向量机预测模型的构建 |
4.4 最小二乘支持向量机预测模型的求解 |
4.5 预测的可靠性分析 |
4.5.1 广义自回归条件异方差模型 |
4.5.2 异方差性检验 |
4.5.3 置信区间的确定 |
4.6 模型预测精度与可靠性的评价指标选取 |
4.7 本章小结 |
第5章 案例应用分析 |
5.1 交通量原始数据描述 |
5.2 交通量原始数据的预处理 |
5.3 A进口道TVF-EMD-LSSVM混合预测模型短时交通量预测 |
5.3.1 时变滤波经验模态分解数据处理 |
5.3.2 基于TVF-EMD的最小二乘支持向量机预测模型的构建 |
5.3.3 基于TVF-EMD的最小二乘支持向量机预测模型的求解 |
5.3.4 TVF-EMD-LSSVM预测模型预测结果与可靠性分析 |
5.4 A进口道其它模型短时交通量预测 |
5.5 A进口道短时交通量预测结果分析与评价 |
5.6 B进口道TVF-EMD-LSSVM混合预测模型短时交通量预测 |
5.6.1 时变滤波经验模态分解数据处理 |
5.6.2 基于TVF-EMD的最小二乘支持向量机预测模型的构建 |
5.6.3 基于TVF-EMD的最小二乘支持向量机预测模型的求解 |
5.6.4 TVF-EMD-LSSVM预测模型可靠性分析 |
5.7 B进口道其它模型短时交通量预测 |
5.8 B进口道短时交通量预测结果分析与评价 |
5.9 案例预测与评价结果分析 |
5.10 本章小结 |
第6章 结论与展望 |
6.1 研究结论 |
6.2 研究展望 |
致谢 |
参考文献 |
附录 |
攻读硕士学位期间取得的研究成果 |
(9)基于收费数据的高速公路交通流特性分析及通行能力研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 选题背景及意义 |
1.2 国内外研究现状 |
1.2.1 收费数据分析 |
1.2.2 交通流特性分析 |
1.2.3 收费站通行能力分析 |
1.2.4 研究成果分析 |
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 |
2 相关理论及方法 |
2.1 高速公路收费系统 |
2.2 高速公路交通流特性 |
2.2.1 交通量特性 |
2.2.2 交通流速度 |
2.2.3 交通密度特性 |
2.3 道路通行能力 |
2.3.1 定义 |
2.3.2 通行能力研究方法 |
2.4 收费数据预处理 |
2.4.1 收费数据准备 |
2.4.2 收费数据处理方法 |
2.5 本章小结 |
3 基于收费数据的交通流特性分析 |
3.1 概述 |
3.2 匝道交通流时间分布特性 |
3.2.1 时变特性 |
3.2.2 日变特性 |
3.2.3 周变特性 |
3.2.4 收费站流量分析 |
3.3 区间行程速度分布特性 |
3.3.1 周区间平均速度 |
3.3.2 日区间平均速度 |
3.4 交通密度分布特性 |
3.5 本章小结 |
4 混合收费站通行能力研究 |
4.1 混合收费站通行能力计算 |
4.1.1 MTC车道通行能力 |
4.1.2 ETC车道通行能力 |
4.2 混合收费站通行能力仿真 |
4.2.1 仿真思路 |
4.2.2 仿真方案设计 |
4.2.3 参数标定与数据输入 |
4.2.4 仿真结果输出 |
4.3 本章小结 |
5 结论与展望 |
5.1 研究成果 |
5.2 展望与建议 |
致谢 |
参考文献 |
(10)高速公路收费站通行需求分析及通行效果建模仿真(论文提纲范文)
致谢 |
摘要 |
1 引言 |
1.1 研究背景 |
1.2 研究意义 |
1.3 国内外研究文献综述 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.3.3 研究述评 |
1.4 研究的内容和方法 |
1.5 本研究的创新点 |
2 高速公路车流量预测模型现状与比较分析 |
2.1 高速公路车流量预测模型现状 |
2.2 高速公路收费站车流量变化的规律和特点 |
2.3 高速公路车流量预测方法介绍 |
2.4 高速公路车流量预测方法的比较分析 |
3 高速公路收费站车流量预测网络模型的构建 |
3.1 Elman神经网络的基本原理及其特点 |
3.2 构建收费站车流量Elman神经网络预测模型的方法和过程 |
3.3 收费站车流量预测影响因素的分析 |
3.3.1 经济发展水平 |
3.3.2 收费情况和公路路网 |
3.3.3 其他运输方式 |
3.3.4 其它因素 |
3.4 建立高速公路收费站车流量Elman神经网络模型 |
3.4.1 确定神经网络的输入和输出 |
3.4.2 数据的预处理 |
3.4.3 确定隐含层神经元个数 |
3.4.4 确定激活函数 |
3.4.5 确定网络参数初始值和学习速率 |
3.4.6 确定Elman网络误差 |
4 少洛高速登封东收费站车流量预测实证研究 |
4.1 少洛高速登封东收费站概况 |
4.2 Elman神经网络预测模型的预测过程及结果 |
4.2.1 数据的预处理 |
4.2.2 确定网络参数、学习速率和目标误差 |
4.2.3 网络层数和各层神经元数目 |
4.2.4 预测结果 |
5 登封东收费站未来预测车流量下出口车道的适应性 |
5.1 高速公路收费站车道通行现状 |
5.2 登封东收费站现有出口车道数的理论饱和通行能力分析 |
5.3 VISSIM交通流仿真软件对登封东出口车道的仿真测试 |
5.3.1 车辆通行上游路段和减速区路段的特性 |
5.3.2 收费区段上车辆的排队收费特性 |
5.3.3 司机驾驶行为特性 |
5.3.4 ETC和MTC车辆的缴费行为特征 |
5.3.5 车辆离开行为特征 |
5.3.6 对登封东收费站的仿真测试 |
6 研究结论与展望 |
6.1 研究结论 |
6.2 存在的问题及研究展望 |
6.2.1 存在的问题 |
6.2.2 研究展望 |
附录 |
参考文献 |
ABSTRACT |
四、区域公路交通量时变特性的分析方法研究(论文参考文献)
- [1]扩建桥梁车辆荷载特性及多车道荷载模型研究[J]. 陈达章,石雪飞. 公路, 2021(06)
- [2]基于联网收费数据的高速公路交通量预测方法研究[D]. 丁柳清. 北京交通大学, 2021(02)
- [3]车载和温度综合作用下沥青路面疲劳寿命研究[D]. 张乃计. 重庆交通大学, 2021(02)
- [4]取消省界收费站对高速公路车辆运行影响分析研究[D]. 杨鹏飞. 长安大学, 2021
- [5]基于车辆通行大数据的高速公路路况预测的研究与应用[D]. 张振. 东华大学, 2020(01)
- [6]基于旅游交通匹配曲线的路网可持续发展优化方法研究[D]. 曾钰宸. 华南理工大学, 2020(02)
- [7]基于收费数据的高速公路出行特征分析及需求预测[D]. 田甜. 重庆交通大学, 2020(01)
- [8]基于TVF-EMD的主干道路口短时交通流量预测研究[D]. 王延鹏. 重庆交通大学, 2020(01)
- [9]基于收费数据的高速公路交通流特性分析及通行能力研究[D]. 李希瑞. 兰州交通大学, 2020(01)
- [10]高速公路收费站通行需求分析及通行效果建模仿真[D]. 邢保知. 河南农业大学, 2019(04)