导读:本文包含了动态交通预测模型论文开题报告文献综述及选题提纲参考文献，主要关键词:步行交通,需求预测,指数平滑模型,阻抗函数
动态交通预测模型论文文献综述
孔德璇,张亚平[1]（2019）在《寒地城市地铁站短时步行交通需求动态预测模型》一文中研究指出基于为地铁站周边步行设施规划、交通组织及信号控制优化提供依据的研究目的,提出进出地铁站短时步行交通需求动态预测模型。以地铁列车到发时间间隔为单位,通过Levenberg-Marquardt算法标定的指数平滑模型对下一到发时间间隔内的进、出站客流量进行预测,基于动态行程时间分析地铁站周边人行道、无信号交叉口、信号交叉口以及立体行人过街设施处的步行交通阻抗函数,并提出侵占人行道、寒地城市冰雪路面、立体行人过街设施与水平路面高度差、缺乏方向指示4类惩罚系数对步行阻抗函数进行修正,采用多路径交通分配模型将指数平滑模型预测得到的进出站步行交通量分配至地铁站周边慢行交通网络。以哈尔滨市地铁1号线博物馆站1号站口为例进行良好天气及雪后进出站客流量预测、对比冬夏两季步行阻抗函数计算和步行流量分配情况,研究结果表明,在通过连续6个到发时间间隔客流量数据标定指数平滑模型的前提下,进出站客流量预测相对误差总体呈下降趋势,第7个到发时间间隔进、出站客流量预测相对误差分别为1.67%和-3.57%,根据地铁站周边步行阻抗函数分配得到的步行流量分布与实际情况基本吻合且能反映步行环境和季节变化引起的路线选择倾向变化,证实模型可用于地铁站周边步行设施的规划与评价,并可协同地铁站邻近交叉口进行考虑行人效益的动态交通控制。(本文来源于《交通信息与安全》期刊2019年04期）
李晓飞,吕阳,周胜龙[2]（2019）在《基于神经网络的智能交通动态预测模型》一文中研究指出交通供给和交通需求之间的矛盾日渐显现,交通拥堵已经成为人们出行关心的重要问题之一。智能交通动态预测模型是以交通诱导为基本,基于动态的交通分配理论,对路网上的流量空间进行预测,以及对实时变化的路网交通状态进行分析。为了提高交通系统的快速反应能力以及对交通的预见性,本文研究了基于神经网络的智能交通动态预测模型,并通过仿真数据进行实验,并且通过实验验证了模型的有效性和可行性。(本文来源于《营销界》期刊2019年29期）
朱明路[3]（2019）在《基于模型预测控制的城市轨道交通列车动态开行方案优化策略研究》一文中研究指出为提升城市轨道交通的运行效率,文章引入模型预测控制的手段,对随机旅客需求环境下的列车运行服务过程进行了建模,并以乘客总出行时间最小化为目标,设计了列车动态开行方案的优化方法。算例表明,文中所提出的方法明显优于传统的固定发车间隔的列车开行方案。(本文来源于《市政技术》期刊2019年01期）
李东岳[4]（2017）在《基于动态交通需求估计和预测的交通分流模型》一文中研究指出城市快速路的路网负荷较大,局部路段交通拥堵已成为常态,偶发性交通拥堵亦严重干扰城市快速路交通系统的正常运行。交通管制措施如匝道控制、交通诱导(VMS)和可变限速控制等被应用于快速路管理。“互联网+”智慧交通在城市交通中的发展为实时交通管制提供可能。作为智能交通系统(ITS)的核心组成,先进的出行者信息系统(ATIS)提供路网上的动态交通流运行状况,结合出行用户对诱导信息的反应,先进的交通管理系统(ATMS)制定满足系统优化的诱导策略,向路网使用者发布实时的交通运行状态信息和路径诱导信息,引导用户的交通行为,从而实现路网交通需求的均衡分布。本研究的目标是通过宏观METANET交通流模型分析路网上的交通流状态变化,建立路网交通分流模型,诱导路网上的交通需求重新分布,以降低系统负荷,缓解路段拥堵;另一方面,路网上的需求重新分布会导致O-D量的变化,将分流比例引入基本的动态O-D反推模型,改进O-D需求量的反推精度,从而建立基于动态需求变化的动态交通分流模型。主要内容包括以下几个部分:1.交通分流系统框架及理论模型研究。交通分流是复杂的系统任务,包括路网交通流状态的获取及预测,驾驶人对诱导信息的服从度,即驾驶人最终的路径选择行为,以及交通分流诱导策略的优化叁个部分。研究首先对路网交通流动态演化过程的获取及状态描述参数进行确定,选择宏观METANET交通流模型进行路网描述;分析驾驶人路径选择行为的Logit模型,并建立驾驶人选择行为与分流诱导策略的数量化关系;交通分流诱导策略包括反馈诱导策略(Responsive strategy)和迭代诱导策略(Iterative Strategy),本文分别对策略生成机理进行分析,选定模型的诱导策略为实时运算效率较高的反馈诱导策略。2.适用于饱和路网的宏观METANET模型研究。基础METANET模型包括路段模型、节点模型、匝道排队模型和路网评价模型等。本部分对模型的基础公式及构建方法进行研究,然后根据模型需要改进METANET模型的交通流描述方程,优化路网评价指标,包括总耗费时间TTS、总旅行时间TTT和总等待时间TWT等。3.动态O-D反推数学模型研究。回顾了动态O-D反推理论所涉及的主要内容和理论,分析O-D反推的数据基础、建模思路和求解方法,以及模型求解精度所涉及的关键问题。根据动态O-D反推理论所适用的不同路网规模,分别从应用于交叉口的单点模型、应用于高速/快速路路段的路段模型和应用于全路网的模型叁个层面对O-D反推模型做详细回顾和归纳,选定适用于快速路的路段分流建模的O-D反推模型。4.分流诱导策略的现实应用研究。在案例研究部分,笔者设计了不实施分流策略的常规路网和设置不同分流比例的路网等五个场景进行对比分析。研究建立的基于动态需求变化的分流模型的求解结果包括路网评价指标TTS、动态分流比例、动态车流密度、O-D反推结果和反推偏差评价指标MAPE和MSE等,通过综合分析上述指标,选定了适用于本案例路网的交通分流优化策略,并对分流策略的现实应用选定方法进行说明。(本文来源于《北京建筑大学》期刊2017-06-01）
傅贵[5]（2014）在《城市智能交通动态预测模型的研究及应用》一文中研究指出发展智能交通系统是各大城市解决交通拥堵问题的重要战略。目前智能交通系统已经发展到中高级阶段，丰富的交通数据检测手段为交通数据分析、控制、决策提供很好的数据基础，这方面已经成为研究和工程应用的热点。传统的交通控制和交通诱导系统是基于实时交通流数据检测的，检测到交通流状态即通过既定的控制和诱导算法计算并实施控制，它存在以下问题：（1）由于缺乏历史交通数据分析和交通预测，交通控制和诱导缺乏预见性，只能根据最近的短时间内的交通参数选择控制方案进行交通控制。（2）交通控制系统和交通诱导系统的数据没有进行有效的融合，从而无法建立交通控制和诱导的协同模型。（3）现有的交通控制系统没有考虑突发的交通事件对于模型的影响，因而无法把握交通流变化的突发性特征，交通控制和诱导具有明显的滞后性。针对上述问题，为了提高交通控制的预见性、对于突发交通事件的快速反应能力以及建立交通控制与诱导协同，本文在动态交通预测、交通事件检测以及交通控制与诱导协同模型方面开展创新性研究，主要的研究内容和创新点包括以下四个方面：（1）研究提出一套交通流数据预处理的方法，包括错误数据的判别和修正方法、丢失数据的补齐方法以及冗余数据的约简方法，并将这些方法应用到广州市交通流检测系统中。良好的数据质量是交通流预测的基础。在工程实际中，交通流数据是充满噪声的，不可能直接利用。因此，必须先对原始数据进行预处理，也是所谓的数据清洗。本文总结提出的数据预处理方法是面向工程实用的，具有指导实践意义。（2）研究提出了一套实用的基于视频图像的交通事件检测方法，并将这些方法应用于广州市交通事件检测系统。如此一来，可以克服基于交通流检测器数据分析的交通事件检测方法的依赖性，视频检测的方法可以充分利用当前城市交通视频的丰富资源，大大减少工程投资，具有重要意义。（3）提出一种适用于城市智能交通控制和诱导的短时交通预测模型，包括基于支持向量机的交通预测模型，重点研究核函数的建立和参数的选择和优化方法，并在工程实践中进行验证。为提高交通控制系统对交通流变化的自动适应能力，文中提出了基于支持向量机（SVM）回归的短时交通流预测模型，总结出在工程应用中的建模流程，并采用广州市交通流检测系统的数据对模型进行实验和定量分析，验证了模型的可行性、有效性，为后续的工程应用提供基础。最后，研究如何采用粒子群算法对参数的选择进行优化。（4）提出基于融合交通动态的交通控制与诱导协同模型，建立基于交通预测的交通控制诱导协同平台，最后采用仿真方式验证了模型和平台的可行性和有效性。对于目前交通控制系统与交通诱导系统的交通流数据检测、分析和控制都相对独立的现状，本文首先研究了面向交通动态的信息融合技术，对包含历史数据的短时交通预测、交通事件检测结果和实时交通流数据进行有效的信息融合，同时结合神经网络算法对交通控制与诱导的协同优化进行研究，最后形成了融合交通动态的智能控制与诱导协同模型。在协同方面，该模型选择一种决策级融合的模式，提出一个具有中心协调系统（CCOS）的交通控制与诱导协同模型，并采用神经网络专家系统来确定模型中的参数。为了验证其有效性，本文选择了一个典型的路网进行仿真，同时利用实际数据通过带专家监督的神经网络进行训练，得出算法中的相关参数后，以此来实施基于交通预测和实时交通状态的交通诱导和控制，最后对使用诱导控制的前后交通实际流量数据进行实例分析对比，从而证明模型的可行性和有效性。综上所述，本文就交通流预测方法的应用进行研究，深入讨论了基于支持向量机回归的交通流预测模型，并应用到交通控制与诱导协同模型的改进，同时还考虑了突发的交通事件对于模型的影响。这些研究和实践对于解决当前ITS中的交通控制与交通诱导这一难点问题起到重要的参照作用，也为后续研究提供了重要而有益的参考。上述研究和实践将为理论研究和工程研究提供重要的参考价值。(本文来源于《华南理工大学》期刊2014-12-02）
曾涛,刘芹,叶丽萍[6]（2014）在《基于等维灰数递补动态模型的广东省交通事故预测》一文中研究指出针对广东省道路交通事故统计信息少和内部发生机理复杂的特点,在分析广东省道路和交通安全现状的基础上,利用灰色系统理论的等维灰数递补动态模型,构建了广东省交通事故预测模型,并根据广东省2007-2012年的交通事故统计数据,对未来短期内广东省发生的交通事故数和伤亡人数进行了预测.检验结果表明,在广东省交通事故的预测中,与回归预测模型相比,等维灰数递补动态模型具有更高精度和适应性.(本文来源于《仲恺农业工程学院学报》期刊2014年01期）
左志红,李星毅[7]（2013）在《基于近似动态规划的短时交通流控制预测模型》一文中研究指出路口短时交通流预测是一个非线性离散时间过程,提出了一种随着过程状态变化而动态自适应的控制预测模型。模型根据近似动态规划思想,将误差函数作为目标函数,构造系统性能指标,根据评价网络近似逼近系统性能指标,指导执行网络在线调整,产生近似最优控制向量,由控制向量生成控制矩阵,动态选择训练数据作为预测网络输入,由预测网络产生近似最优预测结果。利用深圳市福田区红荔路与上步路交叉口处交通流数据作为实验数据进行仿真,仿真结果验证了提出的预测模型的有效性。(本文来源于《计算机仿真》期刊2013年10期）
谢明芳,吴卢荣,许玉冬[8]（2013）在《特大交通事故动态分布拟合及灰色拓扑预测模型》一文中研究指出根据国家统计局1996—2012年特大交通事故的统计资料,利用Matlab软件对交通事故的4项指标进行动态分布拟合,以灰色预测模型为基础建立了灰色拓扑预测模型,并预测了未来5年的特大交通事故发生情况.结果表明,灰色拓扑预测模型精度达到1级标准,说明该模型对我国特大交通事故发生情况的预测具有可靠性.(本文来源于《延边大学学报(自然科学版)》期刊2013年03期）
魏亨武,方志耕,杨保华,胡明礼,孔彪[9]（2012）在《雪灾情形下城市交通站点负荷的动态预测模型》一文中研究指出提出了一种新的城市交通站点负荷的动态预测模型.该模型克服传统的Markov链方法的不足,考虑到乘客转移偏好的动态改变以及各交通站点之间的滞留情况会相互影响,以此构建了雪灾情形下乘客分布的极大熵模型,并进一步设计了交通站点负荷率的计算方法,推演出了雪灾后交通站点负荷的动态变化情况,为相关部门采取应对措施提供参考依据.最后用一个预测实例比较该方法与传统的Markov链方法的预测结果,结果表明该方法更优.(本文来源于《系统工程理论与实践》期刊2012年05期）
曹鸿飞,张铭,李平[10]（2012）在《灰色动态模型群在城市轨道交通客流预测中的应用研究》一文中研究指出随着城市轨道交通的快速发展,客流预测作为一项基础工作,在城市轨道交通规划、设计、建设及运营等环节中起着至关重要的作用。鉴于城市轨道交通客流具有周期性变化的特点,依据灰色系统理论,本文提出了由多个灰色Verhulst模型组成的灰色动态模型群,以某城市轨道交通线路为例进行短期客流的预测分析。实例计算证明了采用动态模型群的预测平均值作为最终预测,具有较高的预测精度,可满足实际应用需求。(本文来源于《铁路计算机应用》期刊2012年03期）
动态交通预测模型论文开题报告
（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：
交通供给和交通需求之间的矛盾日渐显现,交通拥堵已经成为人们出行关心的重要问题之一。智能交通动态预测模型是以交通诱导为基本,基于动态的交通分配理论,对路网上的流量空间进行预测,以及对实时变化的路网交通状态进行分析。为了提高交通系统的快速反应能力以及对交通的预见性,本文研究了基于神经网络的智能交通动态预测模型,并通过仿真数据进行实验,并且通过实验验证了模型的有效性和可行性。
（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。
动态交通预测模型论文参考文献
[1].孔德璇,张亚平.寒地城市地铁站短时步行交通需求动态预测模型[J].交通信息与安全.2019
[2].李晓飞,吕阳,周胜龙.基于神经网络的智能交通动态预测模型[J].营销界.2019
[3].朱明路.基于模型预测控制的城市轨道交通列车动态开行方案优化策略研究[J].市政技术.2019
[4].李东岳.基于动态交通需求估计和预测的交通分流模型[D].北京建筑大学.2017
[5].傅贵.城市智能交通动态预测模型的研究及应用[D].华南理工大学.2014
[6].曾涛,刘芹,叶丽萍.基于等维灰数递补动态模型的广东省交通事故预测[J].仲恺农业工程学院学报.2014
[7].左志红,李星毅.基于近似动态规划的短时交通流控制预测模型[J].计算机仿真.2013
[8].谢明芳,吴卢荣,许玉冬.特大交通事故动态分布拟合及灰色拓扑预测模型[J].延边大学学报(自然科学版).2013
[9].魏亨武,方志耕,杨保华,胡明礼,孔彪.雪灾情形下城市交通站点负荷的动态预测模型[J].系统工程理论与实践.2012
[10].曹鸿飞,张铭,李平.灰色动态模型群在城市轨道交通客流预测中的应用研究[J].铁路计算机应用.2012