论文部分内容阅读
从城市管理的角度来看,城市的道路网应当是一个整体,而不是割裂开来的不同路网,但目前上海市的各个路网(如中心城快速路网、高速公路网等)交通流数据分属于不同的系统,各自独立运行,这造成了事实上的上海市公路网和城市道路网的二元管理,难以从全路网的角度对交通流运行情况进行分析和评估,影响了全市道路网交通流管理决策的一致性。因此,有必要建立面向全路网的道路交通分析系统,选定统一的指标参数,保障综合分析和辅助决策的全局性。
其次,基于上海信息化建设特点以及管理部门的需求,构建了基于上海市骨干路网的数据采集应用系统,包括从各个平台数据的接入、数据预处理、关键评价指标选取、报表设计等。其中数据的预处理部分对基础数据的整理、故障线圈判别规则都做了详细的阐述,关键评价指标选取则对现有的分析评价体系进行梳理,选取适合整个骨干路网及实际业务需求的关键评价指标,为之后的深化面向全路网的交通数据综合分析和应用的夯实了基础。
本文首先通过对目前上海整个骨干路网数据采集情况及数据应用情况进行了梳理,并分析各个路网的数据特点,提出了现有应用系统具有以下特点及问题:数据采集范围广但数据质量难以保证、数据量庞大但缺少统一管理及储存、交通评价指标较多但缺少系统化分析和决策系统。
最后,基于上海市骨干路网的数据采集应用系统的建设,对现有行程时间计算及预测方法进行梳理,总结各个预测方法的优缺点,结合现有路网特点,选取了适合各个路网的行程时间计算和预测方法,构建行程时间计算框架。并选取中心城快速路网作为实际应用案例,实现了利用BP神经网络模型对中心城快速路网的行程时间进行计算和预测,对相应参数进行了验证。
本次研究作为一个初步的尝试,对未来建立信息资源的规范采集和有效利用,实现对多源数据的统一存储和管理,有效促进上海数据整合和系统整合,提升交通信息化建设水平具有十分重要的意义。并且,神经网络算法在如今人工智能、深度学习中已成为一个日益主流的算法,但在国内的智能交通领域并未大范围的应用,在此次研究中通过选取了小部分路段做了初步的尝试,希望对日后的智能交通中的大数据应用具有启示作用。
其次,基于上海信息化建设特点以及管理部门的需求,构建了基于上海市骨干路网的数据采集应用系统,包括从各个平台数据的接入、数据预处理、关键评价指标选取、报表设计等。其中数据的预处理部分对基础数据的整理、故障线圈判别规则都做了详细的阐述,关键评价指标选取则对现有的分析评价体系进行梳理,选取适合整个骨干路网及实际业务需求的关键评价指标,为之后的深化面向全路网的交通数据综合分析和应用的夯实了基础。
本文首先通过对目前上海整个骨干路网数据采集情况及数据应用情况进行了梳理,并分析各个路网的数据特点,提出了现有应用系统具有以下特点及问题:数据采集范围广但数据质量难以保证、数据量庞大但缺少统一管理及储存、交通评价指标较多但缺少系统化分析和决策系统。
最后,基于上海市骨干路网的数据采集应用系统的建设,对现有行程时间计算及预测方法进行梳理,总结各个预测方法的优缺点,结合现有路网特点,选取了适合各个路网的行程时间计算和预测方法,构建行程时间计算框架。并选取中心城快速路网作为实际应用案例,实现了利用BP神经网络模型对中心城快速路网的行程时间进行计算和预测,对相应参数进行了验证。
本次研究作为一个初步的尝试,对未来建立信息资源的规范采集和有效利用,实现对多源数据的统一存储和管理,有效促进上海数据整合和系统整合,提升交通信息化建设水平具有十分重要的意义。并且,神经网络算法在如今人工智能、深度学习中已成为一个日益主流的算法,但在国内的智能交通领域并未大范围的应用,在此次研究中通过选取了小部分路段做了初步的尝试,希望对日后的智能交通中的大数据应用具有启示作用。