準確、高效的交通流預測是智能交通系統的核心功能,也是實現智能交通誘導和控制的前提;而改善交叉口信號配時,則是提高交通運行系統效能的關鍵。本文以短時交通流預測為基礎,對交叉口配時優化進行研究,具有一定的理論意義和實際應用價值。本文在研究現有短時交通流預測模型基礎上,融合傳統機器學習和深度學習模型,提出了一種混合預測交通流模型,以及基于該模型的交叉口多目標配時優化模型,實現了基于預測交通流的交叉口交通控制信號多目標配時優化計算。論文主要工作與貢獻包括:1.分析交通流量的主要特性和時空相關性,以及交通流數據集特點,并從不同維度分析交通流的特征。在此基礎上,針對短時交通流預測,提出CNN-XGBoost混合預測模型。將CNN-XGBoost模型與其它四種預測模型進行實驗對比,驗證該模型的優勢。2.基于短時交通流預測,建立交叉口多目標配時優化模型,并提出一種改進的非支配排序遺傳算法（Nondominated Sorting Genetic Algorithm Ⅱ,NSGA-Ⅱ）算法。3.利用河北育才街和裕華路交叉口幾何條件和相位相序,以及基于實際交通流生成數據,對該交叉口使用VISSIM進行仿真... 

【文章來源】：中國科學技術大學安徽省 211工程院校 985工程院校

【文章頁數】：92 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 國內外研究現狀
        1.3.1 短時交通流預測
        1.3.2 交通信號控制
    1.4 研究目標和研究內容
    1.5 論文組織結構
第2章 相關理論與技術
    2.1 交通信號控制相關概念和評價指標
        2.1.1 交通信號控制的基本參數
        2.1.2 交通信號控制的評價指標
    2.2 XGBoost模型
    2.3 深度學習模型
        2.3.1 長短期記憶模型
        2.3.2 卷積神經網絡模型
    2.4 多目標優化的相關理論和NSGA-Ⅱ算法
        2.4.1 多目標優化的相關概念
        2.4.2 多目標優化的評價指標
        2.4.3 NSGA-Ⅱ優化算法
    2.5 城市交通信號智能控制系統相關技術
        2.5.1 Spring/SpringBoot相關技術
        2.5.2 Netty相關技術
    2.6 本章小結
第3章 短時交通流預測
    3.1 交通流量主要特性和時空相關性
        3.1.1 交通流量主要特性
        3.1.2 交通流量時空相關性
    3.2 交通流數據集分析
        3.2.1 交通流數據結構
        3.2.2 交通流數據預處理
    3.3 基于XGBoost模型的短時交通流預測
    3.4 基于深度學習模型的短時交通流預測
        3.4.1 LSTM預測模型
        3.4.2 CNN預測模型
    3.5 混合預測模型
        3.5.1 LSTM-XGBoost預測模型
        3.5.2 CNN-XGBoost預測模型
    3.6 實驗結果與討論
    3.7 本章小結
第4章 交叉口多目標配時優化模型和優化算法
    4.1 經典配時方法
        4.1.1 Webster配時法
        4.1.2 HCM配時法
        4.1.3 ARRB配時法
    4.2 多目標配時優化模型
        4.2.1 性能指標選擇
        4.2.2 配時優化模型
        4.2.3 配時方案選擇
    4.3 改進的NSGA-Ⅱ優化算法
        4.3.1 新的初始化種群
        4.3.2 概率選擇算子
        4.3.3 混合交叉算子
        4.3.4 INSGA-Ⅱ算法步驟
        4.3.5 INSGA-Ⅱ算法測試和分析
    4.4 本章小結
第5章 實例仿真與分析
    5.1 交叉口條件
        5.1.1 交叉口幾何條件
        5.1.2 交叉口現行信號相位和配時方案
    5.2 仿真建模與實驗參數
        5.2.1 VISSIM仿真軟件概述
        5.2.2 交叉口仿真步驟
        5.2.3 實驗參數
    5.3 仿真結果分析
    5.4 本章小結
第6章 城市交通信號智能控制子系統設計與實現
    6.1 UTSICS系統需求分析
        6.1.1 功能需求
        6.1.2 質量需求
    6.2 UTSICS系統總體設計
        6.2.1 系統的技術架構
        6.2.2 系統的模塊結構
        6.2.3 數據持久化存儲設計
        6.2.4 系統開發工具以及運行環境
    6.3 UTSICS子系統實現
        6.3.1 參數分析實現
        6.3.2 仿真優化實現
    6.4 本章小結
第7章 總結與展望
    7.1 總結
    7.2 下一步工作展望
參考文獻
致謝
在讀期間發表的學術論文與取得的其他研究成果


【參考文獻】：
期刊論文
[1]基于深度學習的短時交通流預測研究[J]. 王祥雪,許倫輝.  交通運輸系統工程與信息. 2018(01)
[2]基于NSGA-Ⅱ的并網型風光互補發電系統協調控制[J]. 李曉青,王小會,李慧玲.  測控技術. 2017(12)
[3]基于CNN-SVR混合深度學習模型的短時交通流預測[J]. 羅文慧,董寶田,王澤勝.  交通運輸系統工程與信息. 2017(05)
[4]城市道路短時交通流預測方法研究[J]. 馬飛虎,饒志強.  公路. 2017(06)
[5]基于組合模型的短時交通流量預測算法[J]. 芮蘭蘭,李欽銘.  電子與信息學報. 2016(05)
[6]基于支持向量機回歸的短時交通流預測模型[J]. 傅貴,韓國強,逯峰,許子鑫.  華南理工大學學報(自然科學版). 2013(09)
[7]基于NSGA-Ⅱ算法的過飽和狀態交叉口群交通信號配時優化（英文）[J]. 李巖,過秀成,陶思然,楊潔.  Journal of Southeast University(English Edition). 2013(02)
[8]基于時空依賴性的區域路網短時交通流預測模型[J]. 常剛,張毅,姚丹亞.  清華大學學報(自然科學版). 2013(02)
[9]短時交通流預測模型[J]. 樊娜,趙祥模,戴明,安毅生.  交通運輸工程學報. 2012(04)
[10]國外智能交通系統的發展情況[J]. 陳桂香.  中國安防. 2012(06)

博士論文
[1]城市交通控制信號配時參數優化方法研究[D]. 栗紅強.吉林大學 2004

碩士論文
[1]信號交叉口違規變道對交通效率影響研究[D]. 何磊.長安大學 2017
[2]擁擠網絡交叉口多目標配時優化研究[D]. 張凌煊.西南交通大學 2015
[3]基于粒子群算法的區域交通優化控制的研究[D]. 李忠玉.西華大學 2015
[4]基于低碳交通的信號交叉口優化控制研究[D]. 王芳.湖南大學 2014
[5]城市單交叉路口交通信號的控制方法研究[D]. 曾松林.西南交通大學 2013
[6]城市交通動態研判應用技術研究[D]. 楊洪.西南交通大學 2013
[7]基于多目標規劃的城市道路交叉口信號配時研究[D]. 劉金明.北京交通大學 2011
[8]基于FCD的交通動態區域協調控制研究[D]. 卞凱.中國科學技術大學 2011
[9]車輛導航系統中動態路徑規劃方法研究[D]. 曹磊.吉林大學 2009



本文編號：2909298