网联环境下交通状态预测与诱导技术研究

《网联环境下交通状态预测与诱导技术研究》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、分类号：U4910710-2014024003博士学位论文网联环境下交通状态预测与诱导技术研究程鑫导师姓名职称赵祥模教授申请学位级别工学博士学科专业名称交通信息工程及控制论文提交日期2017年11月6日论文答辩日期2017年12月23日学位授予单位长安大学万方数据ResearchonTrafficStatePredictionandRouteGuidanceinNetworkEnvironmentADissertationSubmittedfortheDegreeofDoctorCandidate：ChengXinSupervisor：Prof.ZhaoXiangmoC

2、hang’anUniversity,Xi’an,China万方数据万方数据摘要交通状态预测与诱导是智能交通中的一项关键技术。传统固定式交通信息采集方式密度有限、维护成本高，交通流数据非线性、维度高，城市复杂路网下搜索算法效率低、易陷入局部最优，因此交通状态预测与诱导技术难以实现高效化、精确化、实时化。针对上述问题，论文在充分调研国内外研究现状的基础上提出了一种网联环境下的实时交通状态预测与诱导技术，并针对其中地图匹配、行车速度预测、拥堵分级与可视化、交通诱导等关键算法展开了深入研究，具体内容如下：（1）提出了一种基于D-S证据理论的地图匹配算法。针对原始GPS数据质量较

3、差无法直接应用的问题，论文根据车辆GPS特性建立六种数据清洗规则过滤错误数据提高数据处理效率；通过候选点和候选路径建立候选空间；采用行车速度、车头方向、距离接近度、空间关联性四种权重因子过滤候选空间；使用D-S证据理论完成GPS点初步匹配；基于轨迹形状匹配的优化方法实现GPS点精确匹配。经实验分析，论文提出的地图匹配算法精度可达96.5%，运行效率较高，针对不同频率、误差范围的GPS数据效果均佳，有较强的实用价值。（2）提出了一种基于GA-SVR的道路行车速度预测算法。通过分析交通流特性，采用工作日因素、天气因素、时间序列行车速度数据、空间序列行车速度数据作为模型输入以

4、提高预测精度；选用ε-支持向量机预测模型、高斯核函数使SVR模型更加符合交通流多维度、非线性的特征，提高预测算法适应度；采用基于GA的参数优化方法实现SVR模型的参数寻优工作，以达到预测算法精度最优。经实验分析，在数据充足的情况下论文提出的模型预测精度可达89.2%，能够满足实际交通流参数预测需求。（3）提出了一种基于改进FCM的交通状态分级与可视化算法。基于网联汽车数据，使用改进FCM算法训练得到聚类中心及对应隶属度，确定六级交通状态相应聚类中心及隶属关系。论文采用HIS色彩空间将道路行车速度转换与彩色维度结合以满足全局交通可视化需求，针对六级状态选用六种颜色完成局部

5、交通可视化操作。经实验分析，论文提出的交通状态分级方法可对各区域交通状态进行准确分类，交通状态可视化算法能够满足实时（5min）交通状态交互需求。（4）提出了一种基于PSO-ACO的动态交通诱导算法。在分析交通出行费用、动态路网构造算法、交通诱导算法的基础上，将PSO算法与ACO算法有效融合，采用I万方数据PSO算法进行路径初次寻优并将结果用于初始化改进ACO算法，提高了算法执行效率与寻优稳定性。经实验分析，基于PSO-ACO的动态交通诱导算法避免了传统PSO算法易陷入局部最优和ACO算法搜索效率不高的缺点，具有效率高、收敛性强、易全局最优等特点。（5）实现了一种网联环

6、境下交通状态预测与诱导技术。分析系统拓扑结构确定论文主要研究范围，通过软件系统功能模块与算法性能分析从而确定需求方案主要包括地图匹配、道路行车速度预测、状态分级、可视化、交通诱导等部分，构建软硬件开发平台，实现一套网联交通预测与诱导系统，整体上验证了系统的可行性和算法的可靠性。实验结果与分析表明，论文研究成果的预测精度可达89.2%、诱导算法实时性可满足实际需求，论文能够为网联环境下交通预测与诱导系统提供一定的技术支撑。关键词：网联汽车，交通状态预测，交通诱导，地图匹配，交通状态分级，交通状态可视化II万方数据AbstractTrafficstateprediction

7、androuteguidanceisakeytechnologyforITS.Thetraditionalfixedtrafficinformationcollectionmethodshavelimiteddensityandhighmaintenancecost.Asmulti-dimensionandnonlinearfeatures,thetrafficflowisdifficulttopredict.Becauseofcomplexroadnetwork,searchalgorithmsareinefficientandeasy