导读:本文包含了交通时间特性论文开题报告文献综述及选题提纲参考文献,主要关键词:交通流时间序列,可视图,复杂网络,聚类分析
交通时间特性论文文献综述
邢雪,于德新,田秀娟,王世广[1](2017)在《结合可视图的多状态交通流时间序列特性分析》一文中研究指出交通流时间序列的研究主要采用数据挖掘和机器学习的方法,这些"黑箱"挖掘方法很难直观反映序列特性.为增强交通流时间序列及其特征分析的可视化性,结合可视图理论来构建交通流时间序列的关联网络,从复杂网络角度实现交通流时间序列的特性分析.在网络构建的过程中,考虑到不同交通状态下交通流表征具有的差异性,首先利用交通流参量的相关性对交通流状态进行分类,然后构建不同交通状态下的时间序列复杂网络,并对这些网络的特征属性给出统计分析,如度分布、聚类系数、网络直径、模块化等.研究表明,可视图法可为交通流时间序列映射到网络提供有效途径,并且不同状态下交通流时间序列构建的复杂网络的模块化、聚类系数和度分布等统计特征呈现一定的变化规律,为交通流运行态势的研究提供了可视化的分析角度.(本文来源于《物理学报》期刊2017年23期)
马生元[2](2017)在《西宁市道路交通时间特性研究》一文中研究指出城市道路交通的时间特性包括交通流的年变化、月变化、周变化以及时变化。研究城市道路交通时间特性,了解和掌握城市道路交通量的变化情况和规律,可为城市道路交通规划、设计、管理运营等决策提供科学依据。本文依据西宁市区域道路交叉口交通量调查数据,对西宁市道路交通在早晚高峰时期的交通量随时间的变化情况和规律进行了深入研究。(本文来源于《青海交通科技》期刊2017年05期)
吴冕[3](2017)在《基于特性分析的交通流时间序列聚类》一文中研究指出聚类算法作为一种重要的数据挖掘技术,能够从海量数据中挖掘出数据的模式分布,包括完成对交通流时间序列的模式划分,提取出交通流时间序列中的深层信息,达到知识发现的目的。通常情况下,交通流时间序列具有周期性、大数据量、高噪声、早晚高峰等特征,使得一般的聚类算法无法高质高效地应用于交通流时间序列的聚类。因此,本文针对交通流时间序列聚类问题,结合交通流时间序列特征分析,提出了一种基于组合型相似性度量的神经网络聚类算法。具体研究内容包括:1.交通流时间序列的特征分析。通过特征分析,结合欧氏距离和Pearson相关系数两种相似性度量,提出EP系数(Euclidean Metric-Pearson Correlation Coefficient)作为交通流时间序列的相似性度量方法,用于度量交通流时间序列的统计特征和形态特征;2.交通流时间序列聚类对比研究及模型建立。通过对k-均值、PAM、层次聚类、SOM神经网络聚类的结果进行对比分析,结合交通流时间序列数据的特征,确定使用SOM神经网络作为交通流时间序列数据的聚类算法;3.交通流时间序列聚类案例分析。采用基于EP系数的SOM神经网络作为聚类算法进行案例分析,对实测交通流时间序列数据进行聚类,并通过对比研究EP系数中欧氏距离和Pearson相关系数的权值取值对聚类结果的影响。聚类结果表明,本文所提出的聚类算法能够有效地识别出交通流时间序列的统计特征和形态特征。本文的主要创新点在于提出了一个适用于交通流时间序列的聚类模型。该模型能够根据当前交通流状态预测未来交通流时间序列的变化趋势,一方面能够便于管理部门提前确定需采取的管理模式,提高对管理资源的利用效率;另一方面能够通过预测结果与实时监控结果的对比,发现道路上的突发情况,加快对突发情况的反应速度。(本文来源于《北京交通大学》期刊2017-05-01)
晏莉颖,孟祥佩[4](2016)在《宁波城市轨道交通乘客上下车时间特性分析与建模》一文中研究指出为优化宁波城市轨道交通停车时间,方便乘客出行,通过分析宁波城市轨道交通1号线乘客上下车时间特性,对乘客上下车时间进行观测。根据实测数据,对乘客上下车时间与上车人数之间的关系进行图像拟合研究。经过模型检验及误差分析结果表明,该模型能够有效反映乘客上下车时间,为列车的运营管理提供参考,使宁波城市轨道交通系统更好地满足出行需求,保证列车运行稳定和高效。(本文来源于《铁道运输与经济》期刊2016年04期)
赵旭,庞京成[5](2014)在《网络化运营下的城市轨道交通客流时间分布特性分析》一文中研究指出城市轨道交通的飞速发展,网络化运营的逐步实现,向管理者提出了更高的要求。如何准确把握网络化运营下的城市轨道交通客流分布特性成为重要问题。从日客流、周客流、月客流叁个层面对运营网络客流时间分布特性进行了分析,准确把握了客流变化规律。(本文来源于《华东公路》期刊2014年04期)
张轮,施奕骋,杨文臣,杨涛[6](2014)在《城市快速路交通拥堵持续时间分布特性研究》一文中研究指出依托上海市南北高架西侧的交通流数据,引入生存分析方法,建立基于风险的交通拥堵持续时间模型.其根据大量交通拥堵样本的时间属性,采用Kaplan-Meyer非参数回归模型定量估计拥堵持续时间,并按星期数、高峰时段、数据年限、样本位置和天气划分五类影响因素,从生存函数和危险函数两个方面,分析拥堵持续时间的时空分布特性.结果表明上海市南北高架西侧的交通拥堵持续时间70%能在1小时内消散,在不同类别的影响因素下分布特性存在明显差异.(本文来源于《武汉理工大学学报(交通科学与工程版)》期刊2014年01期)
程洁如[7](2012)在《通过GPS速度时间序列表征的交通流发掘社区特性》一文中研究指出城市的高速发展,导致交通的拥堵、低效等问题,已渐渐成为无法回避的问题。交通不是独立的个体,人类活动模式是交通状况波动的本质原因。研究交通流变化的原因,特别是人类活动对其产生的影响,可以改进现有的拥堵分析以及流量预测模型。人群聚集会产生社区,“社区”是指相互有联系、有某些共同特征的人群共同所在的一定的区域。其地域集中性的特点决定了对交通的影响,而不同的社区的影响方式是不同的。社会学中只有社区定性的定义,这些社区在城市交通中的动态作用的研究难以展开。所以社区定量定义以及特征分析就成为研究“社区动力学”的先期工作。本文成果如下:1、利用了物联网技术数据来分析交通流。城市交通数据,即车辆间断上报的GPS数据(全球定位系统),体现了交通系统运作的特点,成为研究分析的热点。交通流的时间序列,集中体现了交通体系的行为模式,同时也反馈了城市模块之间的相互作用关系,这就成为定量研究社区的数据基础,本文着重在道路网的速度时间序列中发掘定义社区类型,并对其特点进行总结。2、分析社区对周边交通道路影响。针对曲线高峰点的研究发现,由于人群通勤行为的发生,社区的活动对道路早晚高峰的影响非常明显,是造成交通拥堵的重要因素。根据受到社区影响方式的不同,不同的道路呈现不同的特性。3、分析社区对整体交通网影响。通过对市区热点道路的聚类分析,绘制出城市交通“路谱”,在图中不同类型的道路用不同的颜色标注,通过分析发现道路网的整体状况受到社区的影响较小,社区对交通的影响具有“空间有限性”和“时间有限性”两种特点。通过对上述两个特点的综合分析,能够定位商业区、居民区、学校等不同类型的社区。这为通过GPS交通流状况对城市社区分布以及互相之间的关联等研究打下基础。本文对上述问题进行研究并进行了总结,并对未来工作做出了展望。(本文来源于《天津大学》期刊2012-12-01)
张鹏,张国武[8](2011)在《城市轨道交通乘客下车时间特性分析与建模》一文中研究指出在实际观测北京轨道交通乘客下车时间的基础上,通过研究乘客下车时间规律,建立了分段形式的数学模型。基于一些实际测量的数据,统计分析轨道交通乘客下车的时间特性,发现乘客的平均下车时间具有分段特性,并受到站台的大小、上车乘客以及提示音对乘客下车的影响。结合乘客下车的分段特性,建立了分段的数学模型,然后根据实际的数据拟合了数学模型的参数,给出了拟合后的仿真图。(本文来源于《城市轨道交通研究》期刊2011年11期)
何兆成,黎志涛,赵建明[9](2010)在《基于重现定量分析法的交通流量时间序列周期特性》一文中研究指出为了提高交通流量的预测精度,用重现图和重现定量分析法,定量分析了交通流量时间序列的周期特性,并利用BP神经网络法和K近邻法,对短时交通流量进行了预测.实例分析表明:不同统计时间间隔和不同时段的交通流量时间序列的周期特性不同.统计时间间隔为5 min的交通流量时间序列有较好的实时性和较强的周期性.交通流量时间序列的周期特性与预测精度正相关,夜间交通流周期性弱,预测精度为87.41%;日间交通流周期性强,预测精度为92.16%.(本文来源于《西南交通大学学报》期刊2010年06期)
许伦辉,唐德华,邹娜,夏新海[10](2010)在《基于非线性时间序列分析的短时交通流特性分析》一文中研究指出利用非线性时间序列分析方法对从时间一维角度出发对短时交通流的特性进行定性、定量分析。首先简要介绍了递归图和定量递归分析方法,以1min为间隔的实测交通流量数据为例,选取1d中不同的4部分,用递归图从定性方面可视化其动力学特性,然后用定量递归分析得到各部分的量化特征值,并对结果做出分析。结果表明短时交通流时间序列具有非线性、非平稳的特性,在不同的时段内分别具有随机性、混沌性和确定性。这一研究结果对短时交通流的预测具有一定的理论价值和实际意义。(本文来源于《重庆交通大学学报(自然科学版)》期刊2010年01期)
交通时间特性论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
城市道路交通的时间特性包括交通流的年变化、月变化、周变化以及时变化。研究城市道路交通时间特性,了解和掌握城市道路交通量的变化情况和规律,可为城市道路交通规划、设计、管理运营等决策提供科学依据。本文依据西宁市区域道路交叉口交通量调查数据,对西宁市道路交通在早晚高峰时期的交通量随时间的变化情况和规律进行了深入研究。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
交通时间特性论文参考文献
[1].邢雪,于德新,田秀娟,王世广.结合可视图的多状态交通流时间序列特性分析[J].物理学报.2017
[2].马生元.西宁市道路交通时间特性研究[J].青海交通科技.2017
[3].吴冕.基于特性分析的交通流时间序列聚类[D].北京交通大学.2017
[4].晏莉颖,孟祥佩.宁波城市轨道交通乘客上下车时间特性分析与建模[J].铁道运输与经济.2016
[5].赵旭,庞京成.网络化运营下的城市轨道交通客流时间分布特性分析[J].华东公路.2014
[6].张轮,施奕骋,杨文臣,杨涛.城市快速路交通拥堵持续时间分布特性研究[J].武汉理工大学学报(交通科学与工程版).2014
[7].程洁如.通过GPS速度时间序列表征的交通流发掘社区特性[D].天津大学.2012
[8].张鹏,张国武.城市轨道交通乘客下车时间特性分析与建模[J].城市轨道交通研究.2011
[9].何兆成,黎志涛,赵建明.基于重现定量分析法的交通流量时间序列周期特性[J].西南交通大学学报.2010
[10].许伦辉,唐德华,邹娜,夏新海.基于非线性时间序列分析的短时交通流特性分析[J].重庆交通大学学报(自然科学版).2010