發(fā)布時間：2020-11-08 16:17

　　 高速公路聯(lián)網(wǎng)收費數(shù)據(jù)包含了海量的車輛在路網(wǎng)內(nèi)行駛的記錄，蘊含著豐富的交通行為信息。與傳統(tǒng)的利用車輛檢測器或者視頻檢測器觀察道路運行狀況的手段不同，聯(lián)網(wǎng)收費數(shù)據(jù)是針對單目標車輛的，提供了一個從微觀到宏觀、從車輛到路網(wǎng)的研究途徑，能夠更加準確地把握交通行為、交通結(jié)構(gòu)、交通分布在路網(wǎng)中的特征。以車輛檢測器作為數(shù)據(jù)采集手段，在實際路段布設(shè)的車輛檢測器容易發(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。以視頻檢測作為數(shù)據(jù)采集手段時，由于視頻數(shù)據(jù)較大，對傳輸過程要求較高，不利于數(shù)據(jù)的實時分析和處理。聯(lián)網(wǎng)收費數(shù)據(jù)受實際業(yè)務(wù)工作要求，必須保證其數(shù)據(jù)的安全、完整、及時傳輸。其次，聯(lián)網(wǎng)收費數(shù)據(jù)能夠準確地反映交通的車型、路線、行駛時間等信息，因此，以聯(lián)網(wǎng)收費數(shù)據(jù)作為觀察路網(wǎng)交通運行狀態(tài)的窗口，具有較為明顯的優(yōu)勢，也更適合于數(shù)據(jù)挖掘工作的實際業(yè)務(wù)應(yīng)用。 本文將高速公路聯(lián)網(wǎng)收費系統(tǒng)采集的海量原始數(shù)據(jù)作為數(shù)據(jù)源，結(jié)合實際路網(wǎng)的交通分布結(jié)構(gòu)，深入高速公路運營管理部門的業(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)測研究。本文利用BP神經(jīng)網(wǎng)絡(luò)對短時斷面交通流進行預(yù)測算法研究，可以獲得不同收費站不同時段未來短時內(nèi)的交通量估計，從而指導(dǎo)實際的運營工作協(xié)調(diào)、資源的優(yōu)化配置。同時，在特殊時段、交通高峰期內(nèi)及時疏導(dǎo)，有利于減少交通延誤，提高路網(wǎng)的運行效率，促進高速公路運營管理和服務(wù)水平。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)測研究，是將數(shù)據(jù)挖掘成果應(yīng)用于實際業(yè)務(wù)的綜合體現(xiàn)。 與此同時，基于路網(wǎng)交通分布結(jié)構(gòu)進行聯(lián)網(wǎng)收費數(shù)據(jù)挖掘的研究，可以實現(xiàn)路網(wǎng)交通分布結(jié)構(gòu)穩(wěn)定性的分析。經(jīng)過驗證，在實際路網(wǎng)運營中，兩兩收費站之間交通分布結(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。以車輛來源、車型為劃分準則，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)濟活動在季節(jié)、周期、路線方面的關(guān)聯(lián)規(guī)則，開創(chuàng)了交通系統(tǒng)與社會經(jīng)濟互動研究的新思路，實現(xiàn)交通數(shù)據(jù)挖掘成果在社會經(jīng)濟領(lǐng)域的應(yīng)用。
【學(xué)位單位】：長安大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2013
【中圖分類】：U495
【部分圖文】：

層通過輸出層、隱層、輸入層反傳，并且根據(jù)學(xué)習規(guī)則修正網(wǎng)絡(luò)各層整輸入節(jié)點與隱層節(jié)點的聯(lián)接強度和隱層節(jié)點與輸出節(jié)點之間的聯(lián)接使誤差沿梯度方向下降。經(jīng)過反復(fù)的學(xué)習和訓(xùn)練，確定與最小誤差相權(quán)值和閾值），經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)能對類似樣本的輸入信息，自行過非線形轉(zhuǎn)換的誤差最小。絡(luò)的學(xué)習訓(xùn)練過程指實質(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)測結(jié)果與實際交通量對比4.4.3. 短時斷面交通量預(yù)測根據(jù)歷史樣本數(shù)據(jù)趨勢和規(guī)律，結(jié)合當前時段的交通量數(shù)據(jù)，預(yù)測未來通流（15min 內(nèi)）。根據(jù)不同斷面的交通數(shù)據(jù)，對不同時段、不同斷面、不本進行訓(xùn)練，不斷嘗試、調(diào)整參數(shù)，使得 BP 網(wǎng)絡(luò)預(yù)測的準確性達到理想情驗表明，分車型的預(yù)測結(jié)果誤差較大，最大值為 20 輛車，且交通量變化與況趨勢不太吻合。因此，僅對輸入目標考慮為總車輛數(shù)。此外，在分時段內(nèi)還要考慮車輛來源信息，由于車輛來源會比較多，逐使得網(wǎng)絡(luò)抓不住重要特性，因此，可以利用 3 個關(guān)聯(lián)性較強的其他斷面作為不是訓(xùn)練所有的車輛來源特征。對路網(wǎng)內(nèi)各斷面，即收費站的交通量數(shù)據(jù)進行樣本訓(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比例及特征，分析路段在路網(wǎng)時間、季節(jié)的周期性特征，判斷與區(qū)域經(jīng)濟特征由于數(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：2875022