论文部分内容阅读
伴随着ITS研究的不断深入和ITS技术的广泛应用，交通管理逐步走向智能化、动态化和信息化，道路使用者亦要求提供更有意义的交通信息。所有这些从客观上都要求在实时交通信息的基础上获知未来短时间内交通状态演变的趋势，及时采取对策，使有限的路网时空资源发挥最大的效率。如果没有实现交通状态短时预报(1h之内)的能力，ITS交通信息化、管理现代化的优势将很难为人们所认识。
本文以上海典型快速路与信控主干道为研究对象，以固定点检测器数据为主，辅以FCD数据，运用多源数据融合技术(实时数据与历史数据融合，固定点检测器数据与移动检测器数据融合)对路段交通状态参数短时预报关键技术进行了系统研究。本文主要工作为：(1)在分析国内外交通状态参数短时预报研究成果的基础上，探讨了多源数据融合技术与仿真技术服务于本研究的可行性；(2)在快速路路段交通流量短时预报方面，设计时间序列聚类预测算法对未来一个或多个时段交通流量进行了预测；(3)在快速路路段平均行程时间短时预报方面，通过上海南北高架微观仿真模型对自适应卡尔曼滤波算法进行测试，实现了固定点检测器与FCD数据的有效融合，在检测器数据异常与系统存在检测误差时仍能保持较高的预报精度；(4)在信控主干道平均行程时间短时预报方面，结合路段上下游交叉口流量与信号配时等参数，分别采用基于交通波理论与基于交叉口延误模型的预测算法，将行程时间分为排队与自由行驶两部分进行预报。
本文在海量实际数据与微观仿真测试平台的基础上研究可应用于实际路网交通状态预报系统的实用方法与实用技术。结果显示这些方法预报精度较高，并可同时服务于城市交通流诱导与控制系统。