發(fā)布時(shí)間：2024-05-31 23:14

　　城市交通系統(tǒng)是城市生活的重要保障,同時(shí)促進(jìn)了城市經(jīng)濟(jì)、社會(huì)的發(fā)展,但城市的快速發(fā)展導(dǎo)致人口和機(jī)動(dòng)車(chē)保有量迅速增加,引發(fā)交通需求和交通供給之間的矛盾,形成了交通擁堵現(xiàn)象,同時(shí)帶來(lái)了環(huán)境污染、交通安全等問(wèn)題。因此,把握交通擁堵產(chǎn)生的時(shí)空關(guān)聯(lián)性規(guī)律,從而進(jìn)行提前預(yù)防和疏導(dǎo),可以有效減少擁堵的發(fā)生頻率并降低擁堵的影響范圍。當(dāng)前擁堵的時(shí)空關(guān)聯(lián)分析,通常只涉及時(shí)間或空間的關(guān)聯(lián)性,少數(shù)針對(duì)時(shí)空整體的關(guān)聯(lián)分析,然而這些研究通常割裂了時(shí)空之間的關(guān)系。為此,本文提出了基于道路網(wǎng)絡(luò)卡口數(shù)據(jù)的交通擁堵識(shí)別方法,以及擁堵區(qū)域間的時(shí)空關(guān)聯(lián)性分析方法。本文首先進(jìn)行了交通狀態(tài)的識(shí)別。針對(duì)各交通狀態(tài)定義的不確定性和模糊性,使用FCM模糊聚類(lèi)算法(Fuzzy C-means clustering)進(jìn)行交通狀態(tài)的識(shí)別,同時(shí)結(jié)合“kmeans++”算法確定初始聚類(lèi)中心,克服了 FCM算法對(duì)初始聚類(lèi)中心敏感的問(wèn)題,提高了聚類(lèi)的效果,并對(duì)各交通狀態(tài)在時(shí)間和空間的分布特征進(jìn)行了分析,得到了如下結(jié)論:擁堵區(qū)域在工作日的早8點(diǎn)和晚17點(diǎn)左右、非工作日的早10點(diǎn)和晚17點(diǎn)左右最多;擁堵區(qū)域常分布在地鐵站點(diǎn)、學(xué)校和立交橋附近區(qū)域。其次對(duì)擁...

【文章頁(yè)數(shù)】：102 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 交通狀態(tài)識(shí)別研究現(xiàn)狀
        1.2.2 擁堵時(shí)空關(guān)聯(lián)性研究現(xiàn)狀
    1.3 研究?jī)?nèi)容
    1.4 技術(shù)路線
    1.5 本章小結(jié)
2 數(shù)據(jù)預(yù)處理
    2.1 數(shù)據(jù)準(zhǔn)備
        2.1.1 數(shù)據(jù)來(lái)源
        2.1.2 數(shù)據(jù)預(yù)處理
    2.2 城市區(qū)域網(wǎng)格化
        2.2.1 網(wǎng)格劃分
        2.2.2 統(tǒng)計(jì)網(wǎng)格信息
    2.3 交通參數(shù)的計(jì)算
        2.3.1 參數(shù)計(jì)算
        2.3.2 參數(shù)修復(fù)
    2.4 本章小結(jié)
3 城市道路網(wǎng)絡(luò)交通狀態(tài)分析
    3.1 引言
    3.2 交通狀態(tài)識(shí)別指標(biāo)
    3.3 基于聚類(lèi)算法交通狀態(tài)識(shí)別
        3.3.1 FCM聚類(lèi)算法
        3.3.2 初始聚類(lèi)中心及輸入?yún)��?shù)的確定
        3.3.3 評(píng)價(jià)指標(biāo)
    3.4 實(shí)驗(yàn)分析
        3.4.1 數(shù)據(jù)準(zhǔn)備
        3.4.2 實(shí)驗(yàn)結(jié)果
    3.5 交通狀態(tài)特征分析
        3.5.1 時(shí)間分布特征
        3.5.2 空間分布特征
    3.6 本章小結(jié)
4 時(shí)空關(guān)聯(lián)規(guī)則挖掘算法
    4.1 引言
    4.2 關(guān)聯(lián)規(guī)則概要
        4.2.1 算法基本概念
        4.2.2 算法流程
    4.3 時(shí)空關(guān)聯(lián)規(guī)則
        4.3.1 事務(wù)內(nèi)時(shí)空關(guān)聯(lián)規(guī)則
        4.3.2 跨事務(wù)時(shí)空關(guān)聯(lián)規(guī)則
    4.4 算法效率提升
        4.4.1 算法缺點(diǎn)
        4.4.2 改進(jìn)算法—O-Apriori
    4.5 實(shí)例分析
        4.5.1 數(shù)據(jù)準(zhǔn)備
        4.5.2 算法對(duì)比
    4.6 本章小結(jié)
5 天津市交通擁堵關(guān)聯(lián)性分析
    5.1 引言
    5.2 基于STO-Apriori的交通擁堵相關(guān)性分析
        5.2.1 數(shù)據(jù)準(zhǔn)備
        5.2.2 非工作日交通擁堵相關(guān)性分析
        5.2.3 工作日交通擁堵相關(guān)性分析
    5.3 基于CTO-Apriori的交通擁堵演化分析
        5.3.1 工作日擁堵演化挖掘
        5.3.2 非工作日擁堵演化挖掘
    5.4 本章小結(jié)
6 結(jié)論與展望
    6.1 工作總結(jié)
    6.2 不足與展望
參考文獻(xiàn)
附錄A
索引
作者簡(jiǎn)歷及攻讀碩士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3985215