城市主干路交通异常状态自动判别方法研究

本论文所依托的科研项目为:国家自然科学基金重点资助项目《城市路网动态交通管理与控制关键理论及其模拟技术研究》(50338030)子课题“交通堵塞预测与预防理论及方法研究”。 首先对城市主干道交通异常状态自动判别方法的研究背景及国内外研究历史与现状进行综述,并对本论文的研究对象交通异常状态的概念作了详细的界定,最后介绍了交通异常状态自动判别算法的性能评价指标及其评价方法。 在对常规的基于固定检测器交通异常状态自动判别算法进行回顾与分析后,以城市主干道交通流自身具有的间断性特点为基础,设计了基于人工神经网络的双截面城市主干道偶发性交通拥挤自动判别算法。与此同时,利用不同检测器组合方案下的模拟数据对不同事件发生地点、不同背景交通需求以及不同事件严重程度等多种组合情况进行了算法的有效性分析,结果表明该双截面算法在性能上优于已有的常规算法。 以城市主干道交叉口为研究对象,设计了基于LOS的算法1,2和3等三种算法。在实际中,由于无法通过检测设备直接得到LOS,所以本论文设计这三种算法分别给出了用于划分LOS的延误是如何得到的。同时,这三种算法也分别使用了不同的输入变量,并分别利用实测数据和模拟数据对算法进行了验证,三种算法之间也作了对比分析。结果表明,算法2和3判别效果较好。从数据可得性角度考虑,本文也提出了建议使用算法3的理由。 为了进一步提高交通异常判别算法的有效性,本论文设计了基于移动检测器的交通异常判别算法。以对常规的基于移动检测器自动判别算法回