论文部分内容阅读
道路交通拥堵疏解主要措施是提高交通供给的同时适度限制交通需求,试图通过缩小供给与需求两者差距,在期望服务水平下,使交通基础设施供给与交通出行需求达到某种均衡。随着传感技术、通信技术、计算机技术和信息化技术等不断发展,交通检测的手段不断提高和丰富,为交通管理者提供了更多高质量和高可靠的检测数据。基于这些检测数据可及大地提高交通流组织管理水平,使已有交通基础设施的供给能力最大化。但是,出于经济成本和其他因素等考虑,无法实现交通检测器的全路网覆盖。因而,深入研究如何有效的利用少量有限的多源检测数据,来合理的对整个路网交通流运行状态进行估计是提高交通流组织管理效率的关键所在。本论文从交通流运动波模型出发,研究多源异质检测数据的融合机制,探讨几种典型的交通流参数估计问题。具体来说,本论文研究工作主要有以下几个方面:(1)将三检测器模型推广应用于宏观和微观交通流状态估计。与传统的交通流运动波模型不同,三检测器模型以累积车流量为系统状态量,直接显现地建立了路段内部状态量与路段上下游边界状态量的最小化函数关系。基于理想边界条件假设,本论文不仅研究了宏观交通流参数,如路段行程时间、流量和密度的时空演化谱等估计方法,而且研究了微观交通流参数,如车辆行驶轨迹的估计方法。(2)在三检测器模的基础上,提出随机三检测器模型。实际中,检测数据是对交通系统的一种测量,测量误差不可避免,且检测技术采样频率有限,难以提供连续的检测数据。测量误差和检测数据非连续性决定边界条件是非理想的。本论文将该非理想边界条件建模成一个随机边界条件,边界向量中每个元素是一个符合正态分布的随机变量。借助随机路径选择问题上广泛使用的Probit模型,可建立内部状态量与随机边界状态量的最小化函数关系,进一步利用Clark的逼近理论估计内部交通流参数的均值和误差大小。(3)将多源异质检测数据建模成系列线性测量方程,并利用Kalman滤波融合到随机三检测器模型中。多源异质检测数据包括路段内部线圈传感器提供的车流量、占有率和瞬时速度信息、AVI旅行时间数据和GPS移动位置数据。利用随机三检测器模型,上述检测量均可以建模成以随机边界的累积车流量为状态量的线性测量方程。在Kalman滤波框架下,可利用建立的线性测量方程输出一个最佳增益量,来更新随机边界的累积车流量和累积车流量误差的方差-协方差矩阵,得到随机边界的最佳估计。基于该最佳随机边界估计,利用随机三检测器模型可估计内部交通流参数及其估计误差大小。(4)基于信息价值理论,将各种检测数据对交通流参数估计的贡献大小建模成信息价值量。上述研究内容建立了检测数据与边界状态量估计误差大小的关系,基于信息价值理论误差大小可建模成信息量。然而,检测数据据参数的变化影响误差大小,故可建立检测数据参数与信息量的关系。(5)基于约束最小二乘法,将快速路走廊的交通流参数估计问题建模成一个非线性的优化模型。基于三检测理论的前置波和后置波理念,将三检测器模型的最小化函数建模成两个不等式来描述交通流动态变化的约束。基于合流点和分流点的累积进口车流量和累积出口车流量守恒规则,将主干道与上匝道口或下匝道口的系统状态量建模成等式约束。走廊各关键节点的通行能力限制可建模成系列不等式约束。优化模型的目标是系统状态真实值与检测量差距最小化。考虑的检测量包括固定式检测器的车流量和AVI设备的旅行时间等检测数据等。