基于交通狀態(tài)檢測(cè)的動(dòng)態(tài)出行路徑誘導(dǎo)模型研究.pdf

1、交通堵塞現(xiàn)象越來(lái)越嚴(yán)重并正由一線城市迅速向二、三線城市蔓延,成為了全社會(huì)關(guān)注和討論的重點(diǎn)。雖然城市路網(wǎng)交通擁擠現(xiàn)象嚴(yán)重,但并不是所有城市路網(wǎng)都同時(shí)處于擁擠狀態(tài),仍然有相當(dāng)部分道路是暢通的,如果能通過(guò)動(dòng)態(tài)誘導(dǎo)將車(chē)流量合理分配到各個(gè)路網(wǎng)中,交通擁堵將得到很大改善。本文運(yùn)用固定式與移動(dòng)式采集技術(shù)、融合技術(shù)、卡爾曼濾波理論、遺傳算法、支持向量機(jī)(SVM)算法、群決策理論、蟻群算法、單隱層小波神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行動(dòng)態(tài)出行路徑誘導(dǎo)模型研究。
　

2、　1.分析了動(dòng)態(tài)誘導(dǎo)國(guó)內(nèi)外研究情況,并以交通流數(shù)據(jù)作為貫穿本文研究模型的主線,以交通流的數(shù)據(jù)信息獲取、預(yù)測(cè)、以及動(dòng)態(tài)誘導(dǎo)順序作為研究思路。
　　2.對(duì)動(dòng)態(tài)交通流采集設(shè)備——固定式檢測(cè)器和移動(dòng)式檢測(cè)器進(jìn)行分析,總結(jié)了各種檢測(cè)器優(yōu)缺點(diǎn),為了提高路段檢測(cè)完備性和準(zhǔn)確性,采用融合技術(shù)進(jìn)行兩者數(shù)據(jù)的融合。
　　3.分析了遺傳算法所具有復(fù)制選擇、交叉、變異操作,以及支持向量機(jī)算法在解決非線性問(wèn)題方面的突出特點(diǎn),提出了基于遺傳算法和支持向

3、量機(jī)模型的實(shí)時(shí)交通流預(yù)測(cè)模型;與此同時(shí),在分析了小波神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上,為了獲得更快的收斂速度和更高的學(xué)習(xí)精度,將蟻群算法、小波變換和神經(jīng)網(wǎng)絡(luò)思想結(jié)合起來(lái),利用蟻群算法來(lái)訓(xùn)練小波神經(jīng)網(wǎng)絡(luò)中的參數(shù),最后建立了基于蟻群算法優(yōu)化單隱層小波神經(jīng)網(wǎng)絡(luò)參數(shù)預(yù)測(cè)實(shí)時(shí)交通流模型。
　　4.分析了蟻群算法和群決策理論,利用實(shí)時(shí)交通信息和群決策理論研究基于群決策的動(dòng)態(tài)路徑優(yōu)化技術(shù),同時(shí)兼顧蟻群算法在路徑尋優(yōu)方面所存在的特有優(yōu)勢(shì),在二者的基礎(chǔ)上建立了