發(fā)布時(shí)間：2020-11-08 16:17

　　 高速公路聯(lián)網(wǎng)收費(fèi)數(shù)據(jù)包含了海量的車輛在路網(wǎng)內(nèi)行駛的記錄，蘊(yùn)含著豐富的交通行為信息。與傳統(tǒng)的利用車輛檢測(cè)器或者視頻檢測(cè)器觀察道路運(yùn)行狀況的手段不同，聯(lián)網(wǎng)收費(fèi)數(shù)據(jù)是針對(duì)單目標(biāo)車輛的，提供了一個(gè)從微觀到宏觀、從車輛到路網(wǎng)的研究途徑，能夠更加準(zhǔn)確地把握交通行為、交通結(jié)構(gòu)、交通分布在路網(wǎng)中的特征。以車輛檢測(cè)器作為數(shù)據(jù)采集手段，在實(shí)際路段布設(shè)的車輛檢測(cè)器容易發(fā)生故障，其數(shù)據(jù)完整性受到電源、網(wǎng)絡(luò)、通信等因素的影響。以視頻檢測(cè)作為數(shù)據(jù)采集手段時(shí)，由于視頻數(shù)據(jù)較大，對(duì)傳輸過(guò)程要求較高，不利于數(shù)據(jù)的實(shí)時(shí)分析和處理。聯(lián)網(wǎng)收費(fèi)數(shù)據(jù)受實(shí)際業(yè)務(wù)工作要求，必須保證其數(shù)據(jù)的安全、完整、及時(shí)傳輸。其次，聯(lián)網(wǎng)收費(fèi)數(shù)據(jù)能夠準(zhǔn)確地反映交通的車型、路線、行駛時(shí)間等信息，因此，以聯(lián)網(wǎng)收費(fèi)數(shù)據(jù)作為觀察路網(wǎng)交通運(yùn)行狀態(tài)的窗口，具有較為明顯的優(yōu)勢(shì)，也更適合于數(shù)據(jù)挖掘工作的實(shí)際業(yè)務(wù)應(yīng)用。 本文將高速公路聯(lián)網(wǎng)收費(fèi)系統(tǒng)采集的海量原始數(shù)據(jù)作為數(shù)據(jù)源，結(jié)合實(shí)際路網(wǎng)的交通分布結(jié)構(gòu)，深入高速公路運(yùn)營(yíng)管理部門的業(yè)務(wù)應(yīng)用，開展基于路網(wǎng)交通分布結(jié)構(gòu)數(shù)據(jù)挖掘的交通流預(yù)測(cè)研究。本文利用BP神經(jīng)網(wǎng)絡(luò)對(duì)短時(shí)斷面交通流進(jìn)行預(yù)測(cè)算法研究，可以獲得不同收費(fèi)站不同時(shí)段未來(lái)短時(shí)內(nèi)的交通量估計(jì)，從而指導(dǎo)實(shí)際的運(yùn)營(yíng)工作協(xié)調(diào)、資源的優(yōu)化配置。同時(shí)，在特殊時(shí)段、交通高峰期內(nèi)及時(shí)疏導(dǎo)，有利于減少交通延誤，提高路網(wǎng)的運(yùn)行效率，促進(jìn)高速公路運(yùn)營(yíng)管理和服務(wù)水平�；�于路網(wǎng)交通分布結(jié)構(gòu)數(shù)據(jù)挖掘的交通流預(yù)測(cè)研究，是將數(shù)據(jù)挖掘成果應(yīng)用于實(shí)際業(yè)務(wù)的綜合體現(xiàn)。 與此同時(shí)，基于路網(wǎng)交通分布結(jié)構(gòu)進(jìn)行聯(lián)網(wǎng)收費(fèi)數(shù)據(jù)挖掘的研究，可以實(shí)現(xiàn)路網(wǎng)交通分布結(jié)構(gòu)穩(wěn)定性的分析。經(jīng)過(guò)驗(yàn)證，在實(shí)際路網(wǎng)運(yùn)營(yíng)中，兩兩收費(fèi)站之間交通分布結(jié)構(gòu)具有穩(wěn)定性，其不同車型的周交通量構(gòu)成具有特有的模式。以車輛來(lái)源、車型為劃分準(zhǔn)則，分析區(qū)域內(nèi)各城市間交通行為的空間流向規(guī)律，可以探討城市間交通行為與區(qū)域經(jīng)濟(jì)活動(dòng)在季節(jié)、周期、路線方面的關(guān)聯(lián)規(guī)則，開創(chuàng)了交通系統(tǒng)與社會(huì)經(jīng)濟(jì)互動(dòng)研究的新思路，實(shí)現(xiàn)交通數(shù)據(jù)挖掘成果在社會(huì)經(jīng)濟(jì)領(lǐng)域的應(yīng)用。
【學(xué)位單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2013
【中圖分類】：U495
【部分圖文】：

層通過(guò)輸出層、隱層、輸入層反傳，并且根據(jù)學(xué)習(xí)規(guī)則修正網(wǎng)絡(luò)各層整輸入節(jié)點(diǎn)與隱層節(jié)點(diǎn)的聯(lián)接強(qiáng)度和隱層節(jié)點(diǎn)與輸出節(jié)點(diǎn)之間的聯(lián)接使誤差沿梯度方向下降。經(jīng)過(guò)反復(fù)的學(xué)習(xí)和訓(xùn)練，確定與最小誤差相權(quán)值和閾值），經(jīng)過(guò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)能對(duì)類似樣本的輸入信息，自行過(guò)非線形轉(zhuǎn)換的誤差最小。絡(luò)的學(xué)習(xí)訓(xùn)練過(guò)程指實(shí)質(zhì)上就是在輸入樣本的刺激下，各層權(quán)值或參整，直到滿足預(yù)先設(shè)定的學(xué)習(xí)次數(shù)，或者網(wǎng)絡(luò)輸出的誤差可以接受，斷地接近期望的輸出，網(wǎng)絡(luò)訓(xùn)練即完成。 網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)算法P 網(wǎng)絡(luò)的結(jié)構(gòu)如圖 3-2 所示。

圖 4.2 交通量曲線預(yù)測(cè)結(jié)果與實(shí)際交通量對(duì)比4.4.3. 短時(shí)斷面交通量預(yù)測(cè)根據(jù)歷史樣本數(shù)據(jù)趨勢(shì)和規(guī)律，結(jié)合當(dāng)前時(shí)段的交通量數(shù)據(jù)，預(yù)測(cè)未來(lái)通流（15min 內(nèi)）。根據(jù)不同斷面的交通數(shù)據(jù)，對(duì)不同時(shí)段、不同斷面、不本進(jìn)行訓(xùn)練，不斷嘗試、調(diào)整參數(shù)，使得 BP 網(wǎng)絡(luò)預(yù)測(cè)的準(zhǔn)確性達(dá)到理想情驗(yàn)表明，分車型的預(yù)測(cè)結(jié)果誤差較大，最大值為 20 輛車，且交通量變化與況趨勢(shì)不太吻合。因此，僅對(duì)輸入目標(biāo)考慮為總車輛數(shù)。此外，在分時(shí)段內(nèi)還要考慮車輛來(lái)源信息，由于車輛來(lái)源會(huì)比較多，逐使得網(wǎng)絡(luò)抓不住重要特性，因此，可以利用 3 個(gè)關(guān)聯(lián)性較強(qiáng)的其他斷面作為不是訓(xùn)練所有的車輛來(lái)源特征。對(duì)路網(wǎng)內(nèi)各斷面，即收費(fèi)站的交通量數(shù)據(jù)進(jìn)行樣本訓(xùn)練，可以獲得不同

圖 5. 1 2012 年各路線總車流量圖5.5.3. 時(shí)間維度分析以陜西省路網(wǎng) 2012 年交通量為例分析，估算商界分公司所轄路段承擔(dān)比例及特征，分析路段在路網(wǎng)時(shí)間、季節(jié)的周期性特征，判斷與區(qū)域經(jīng)濟(jì)特征由于數(shù)據(jù)分析工作在 2012 年 11 月展開，所以路網(wǎng)各月份的數(shù)據(jù)截止至10 月份。 表 5. 3 2012 年路網(wǎng) 1 月至 10 月各月份交通量構(gòu)成份 小型貨車 中型貨車 大型貨車 超大型貨車 集裝箱車 貨車總量 貨車比例 中小客車 大客車 客車總量 客車比例1 96915 51019 38968 59096 430315 676313 0.402 947663 56541 1004204 0.598 2 84364 35954 29083 46722 327251 523374 0.324 1003542 87682 1091224 0.676 3 69625 35034 23098 40161 228505 396423 0.246 1138557 75076 1213633 0.754 4 99412 53568 38855 57648 433316 682799 0.373 1084543 61880 1146423 0.627 5 99777 52842 36017 52540 422919 664095 0.379 1031269 57792 1089061 0.621

本文編號(hào)：2875022