城市快速路路段行程时间估计与预测方法研究

《城市快速路路段行程时间估计与预测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：密级：公开交义事硕士专业学位论文城市快速路路段行程时间估计与预测方法研究作者姓名宋茜工程领域交通运输工程指导教师谷远利副教授培养院系交通运输学院二零一五年六月办交遂乂孳硕士专业学位论文城丨快速路路段行程时佔汁预测方法研究作者：宋與导师：谷远利北京交通大学年月学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。学校可以为

2、存在馆际合作关系的兄弟高校用户提供文献传递服务和交换服务。保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月（口日签字日期：丨年月日学校代码：密级：公幵北京交通大学硕士专业学位论文城市快速路路段行程时间估计与预测方法研究作者姓名：宋茜学号：异师姓名：谷远利职称：副教授工程硕士专业领域：交通运输工程学位级别：硕士北京交通大学年月致谢转眼间，短短的两年研究生生活即将结束。在这段难忘的时光里，我学到了很多知识，明白了许多道理，同时看待问题的眼界也更加开阔。在毕业论文即将完成之际，我要衷心感谢那些关心、支持和帮助过我的师长、亲友及同

3、学。首先，衷心感谢我的导师谷远利老师在学习、科研及生活上给予我的悉心指导和无限关怀。谷老师渊博的知识，开阔的视野，敏捷的思维，严谨治学的科研态度，勤奋专注的工作作风以及平易近人的处世原则深深地影响着我，使我受益匪浅，终身难忘。本论文从选题开始直至最终完成写作，谷老师对此倾注了大量的时间和精力。在这两年时间里，正是因为有了谷老师孜孜不倦的教导，我的硕士学习和科研课题才得以顺利完成。在实验室的科研工作及撰写论文方面，王兴川、马韵楠、阔小倩、高强、高同进、王英会、王磊等师门的兄弟姐妹们，以及刘艳婷、陈世勇、王亚飞、崔冲、任涛等同学，对我给予了很多积极、热情的帮

4、助，在此也向他们表达我的感激之情。最后，由衷地感谢我的父母和妹妹，他们对我的默默无私的爱让我感受到了莫大的幸福。我相信，有了他们一如既往的支持，我一定能够从容面对未来生活中的种种困难与挑战。北京交通大学硕士专业学位论义摘要摘要路段行程时间是描述道路交通状态的重要参数，它能够较好地评价道路的通畅程度，能够反映道路的运输效率，在交通规划、交通管理与交通控制中起着重要作用，在当前智能交通系统的研究和幵发应用中也占据着重要地位。针对城市快速路的路段行程时间估计问题，考虑到微波检测器技术成熟、数据易获取以及低成本的特点，本文提出了一种基于微波检测数据的行程一时间域

5、法进行路段行程时间估计。该方法首先假定微波检测器实时检测的速度即为路段单元在不同时间单元的空间平均车速，然后构建午辆出行的行程一时间域，最后通过模拟虚拟车辆穿越行程一时间域的过程获得车辆在该路段上的行程时间。该方法以北京市二环快速路上的微波检测数据为基础进行实例验证，结果表明，相比于传统静态行程时间估计方法，该方法显著提高了行程时间估计精度。不仅获得当前时刻的路段行程时间非常重要，预测未来时刻的路段行程时间也十分重要。本文以提高路段行程时间预测精度为的，构建了基于小波神经网络的路段行程时间预测模型。然后以行程一时间域法估计得到的北京市二环快速路路段行程时

6、间为实验数据，根据不同参数选择、不同样本数据建立多个预测实例对该模型进行检验，并与神经网络模型的预测误差进行比较。结果分析表明，所建立的小波神经网络模型能够更好地描述输入输出的映射规律。最后，将各个预测实例的结果进行对比，结合以往的路段行程时间预测研究，进一步分析了误差产生的原因以及本文所构建的模型取得较高预测精度的原因。本文所构建的路段行程时间预测模型及对模型进行的相关讨论，对丁交通参数预测领域的研究具有一定的创新意义和借鉴价值。关键词：城市快速路；行程时间；微波检测器；估计；预测；行程一时间域；小波神经网络北京交通大学硕士专业学位论义，：北京交通大学

7、硕士专业学位论义录目录■研究背景及意义研究对象界定研究内容与论文结构技术路线国内外研究现状路段行程时间估计研究现状路段行程时间预测研究现状基于线性理论的预测方法基于非线性理论的预测方法基于组合理论的预测方法候基丁行程一时间域法的路段行程时间估计快速路微波数据采集原理及特性分析微波数据采集原理微波数据特性分析行程一时间域法概述行程一时间域定义估计算法设计估计性能评价指标实例分析小结基于小波神经网络的路段行程时间预测神经网络概述小波分析概述小波神经网络路段行程时间预测模型构建小波神经网络基础北交通人学硕祭业位论义模型迮、：参数拧制算法实现小结实例分析数据描述

8、及预处理模甩训练和模型检验模增比较神经网络结果分析小结总结展望论文的作总结进步的