论文部分内容阅读
对流量变化趋势的掌握,是对高速公路进行有效管理和及时实施管控措施的前提。实时准确的高速公路路段流量预测信息,不仅可以给管理部门实施道路管控提供信息支撑,还可以给出行者提供实时的路径诱导。但现有研究大多基于单一车检器数据,只有固定断面一定检测周期内的统计数据,预测精度普遍不足。因此如何合理利用现有的各类检测数据,建立有效的预测模型从而提高流量预测的质量,对于高速公路运行效率的提升具有重要意义。本文结合高速公路收费站数据和车检器数据,在对高速公路交通流特征进行分析的基础上,根据高速公路交通流的时空关联特性,通过研究基于收费站数据的匝道流量估计算法,将高速公路路段流量的时空关联分析与支持向量机回归(SVR)结合,建立了时空关联度与SVR结合的高速公路路段短时流量预测模型,改进了传统的SVR模型,提高了高速公路路段流量的预测精度。主要内容如下:(1)基于收费站数据的匝道流量估计。首先分析了收费站匝道流量估计的关键问题,以及收费站上、下行方向进口匝道流量的分布规律;之后,根据上、下行方向进口匝道流量的分布特点,建立了基于SVR的分车型匝道流量估计模型;最后,用重庆市草街收费站的实际通行数据对模型进行了验证。(2)时空关联度与SVR结合的高速公路短时流量预测。首先,分析了传统SVR预测模型的不足,采取了用时空关联分析进行改进的思路,通过研究相邻上游断面的选取,匝道流量对路段流量的影响以及相邻多断面时空关联度的度量,构造了基于时空关联度的流量预测函数;最后,利用熵值法将基于时空关联度的预测结果与SVR的预测结果进行融合,建立了时空关联度与SVR结合的高速公路路段短时流量预测模型。(3)模型的测试及结果分析。基于重庆市渝武高速公路的收费站数据与车检器数据,将盐井微波车检器所在断面作为研究对象,分别选取了一个工作日和一个节假日,对其流量进行预测,并与传统的SVR模型进行了对比。应用结果表明,无论是工作日还是节假日,本文提出的时空关联度与SVR结合的高速公路路段短时流量预测模型均具有比较好的预测效果,提升了高速公路短时交通流的预测质量。