收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于短时交通流预测的动态路径选择问题研究

李治  
【摘要】:随着人工智能科技的不断发展与完善,智能交通系统(ITS,Intelligent Transport System)正不断的进入到我们普通人的视野和生活里。智能交通系统作为未来交通系统的重要发展方向,在世界范围内都获得了日益广泛的关注,智能交通系统涵盖了众多的科学研究邻域,其大量应用了当前先进的科学技术和人工智能思想去建立起一套能够拥有更智能、更准确、更有效的综合交通运输管理和控制系统。城市道路交通的动态路径选择作为智能交通系统中重要的环节之一,其同样也成为近些年来学术研究的热点问题。针对近些年我国城市交通拥堵状况居高不下始终得不到有效的缓解以及新出现的“导航堵”等一系列问题,本文从城市道路交通网络的动态路径选择问题入手,设计了一种基于短时交通流预测的动态路径选择方案。本文的整体思想是通过利用城市道路交通网络上各路段的实时信息对道路未来5分钟内的通行状况进行的短时交通流速度预测,以反映城市道路交通网络上各路段道路通行状态的变化,再利用速度时间转换公式将得到的城市道路交通网络中各路段的速度预测信息转换为各路段的预计平均行程时间,然后设定城市道路交通网络中各路段的路权值,最后利用基于传统Dijkstra算法的改进算法计算出当前时刻的最优路径。在交通参与者到达目的地前,该方案将循环进行交通流的短时预测和路径选择直至交通参与者到达目的地。进而实现城市道路交通网络中各路段的通行状况的平衡,改善城市道路交通拥堵的状况,避免“导航堵”等不良的道路通行状况的出现。本文在总结了国内外有关于城市交通网络中短时交通流预测和路径选择问题的研究现状基础上,通过对现有的短时交通流预测模型和最优路径求解算法分析和筛选,在针对交通流预测信息对整个城市交通动态路径选择问题研究的效率影响的基础上,对其预测信息的结果有着较高的精度要求,因此本文提出了小波神经网络的速度预测模型。而根据基于短时交通预测的动态路径求解算法的一些基本特征以及一些关键因素的确定,并针对与动态最优路径选择的算法则要求其拥有较高的搜索效率以及较小的时间复杂度,本文选定了以传统Dijkstra算法为基础针对时间复杂度改进的算法为动态最优路径求解算法。为了验证本文所设计的基于短时交通流预测的动态路径选择方案的有效性,本文选取了合肥市明珠广场附近的道路交通网络的一部分路网作为实例,并对该实例的基本道路交通信息和仿真平台进行了介绍,最后验证了本文所设计的方案的可行性。


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 王晓丹;白云;李川;;基于统计的我国短时交通流预测模型分析[J];现代计算机(专业版);2017年17期
2 程山英;;基于模糊神经网络的短时交通流预测方法研究[J];计算机测量与控制;2017年08期
3 邓箴;任静;刘立波;;基于多条件随机场的短时交通流预测模型[J];计算机工程与设计;2017年10期
4 高圣国;;基于模式识别的短时交通流预测[J];公路;2011年09期
5 高丽梅;高鹏;陈俊波;;数据融合技术在短时交通流预测中的应用[J];交通科技;2010年S1期
6 马宏亮;张建平;李瑞敏;郭敏;;短时交通流预测系统的效率优化研究[J];交通信息与安全;2010年04期
7 康军;段宗涛;唐蕾;温兴超;;一种平稳化短时交通流预测方法[J];测控技术;2018年02期
8 黄晓慧;张翠芳;;布谷鸟算法优化小波神经网络的短时交通流预测[J];计算机应用与软件;2017年03期
9 李振龙;张利国;钱海峰;;基于非参数回归的短时交通流预测研究综述[J];交通运输工程与信息学报;2008年04期
10 雷斌;温乐;耿浩;李建明;;基于加权组合模型的短时交通流预测研究[J];测控技术;2018年05期
11 王娇;李军;;最小最大概率回归机在短时交通流预测中的应用[J];公路交通科技;2014年02期
12 阚津;江伟;;综合运输体系的短时交通流预测方法[J];交通建设与管理;2014年06期
13 金春玉;郑瑞平;刘洪;李欣;;短时交通流预测研究[J];华东公路;2011年03期
14 张晓利;陆化普;;非参数回归方法在短时交通流预测中的应用[J];清华大学学报(自然科学版);2009年09期
15 宗春光,宋靖雁,任江涛,胡坚明;基于相空间重构的短时交通流预测研究[J];公路交通科技;2003年04期
16 刘钊;杜威;闫冬梅;柴干;郭建华;;基于K近邻算法和支持向量回归组合的短时交通流预测[J];公路交通科技;2017年05期
17 金玉婷;余立建;;基于小波神经网络的短时交通流预测[J];交通科技与经济;2014年01期
中国重要会议论文全文数据库 前6条
1 于建玲;商朋见;关积珍;;改进的相空间重构方法在短时交通流预测中的应用[A];2008第四届中国智能交通年会论文集[C];2008年
2 郑德署;何世伟;许旺土;;分形理论在短时交通流预测中的应用[A];2008第四届中国智能交通年会论文集[C];2008年
3 许岩岩;翟希;孔庆杰;刘允才;;基于分类回归树的交通流短时预测[A];第七届中国智能交通年会优秀论文集——智能交通技术[C];2012年
4 贺佐斌;丁晓青;杨碧茹;侯海波;;信号交叉口短时交通流预测[A];2017年中国城市交通规划年会论文集[C];2017年
5 杨锦伟;肖新平;郭金海;;基于灰关联与少数据云推理的短时交通流预测[A];第25届全国灰色系统会议论文集[C];2014年
6 唐丽娜;张卫华;;短时交通流预测方法的比较研究[A];2007第三届中国智能交通年会论文集[C];2007年
中国博士学位论文全文数据库 前3条
1 姚智胜;基于实时数据的道路网短时交通流预测理论与方法研究[D];北京交通大学;2007年
2 敖谷昌;城市快速路交通状态特性及关联分析方法研究[D];北京交通大学;2014年
3 孔祥杰;城市路网交通流协调控制技术研究[D];浙江大学;2009年
中国硕士学位论文全文数据库 前10条
1 张金飞;城市交通路口短时流量预测模型研究[D];昆明理工大学;2018年
2 李治;基于短时交通流预测的动态路径选择问题研究[D];兰州交通大学;2018年
3 石睿;基于粒子滤波与神经网络的短时交通流预测[D];北京交通大学;2018年
4 李扬;基于时空特性的短时交通流预测模型研究[D];北京建筑大学;2018年
5 龙艳芳;基于极限随机树集成的短时交通流预测模型研究[D];湖南大学;2017年
6 周扬栋;城市道路短时交通流预测方法研究[D];江西理工大学;2018年
7 蒋婷婷;基于鸡群算法的小波神经网络短时交通流预测研究[D];西南交通大学;2018年
8 韩鹏;基于短时交通流预测的交叉口优化配时研究[D];中国科学技术大学;2017年
9 刘彩云;基于Spark的改进SA-SVR短时交通预测研究[D];东华理工大学;2017年
10 徐健锐;短时交通流预测中的若干问题研究[D];江苏大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978