论文部分内容阅读
随着城市机动车保有量的不断增加,市区道路交通拥堵带来的社会和经济问题越来越严重。为了有效地缓解交通拥堵,找到科学、高效的交通管理方法和策略,需要对道路交通拥堵状态进行预测,并明确实际的交通拥堵状态等级。本文分析了扬州市交通拥堵特性,建立拥堵均值预测模型和可靠性预测模型,并构建符合扬州市区实际情况的拥堵等级判别方法,最后基于拥堵预测模型和判别方法,对扬州城市道路交通拥堵典型路段进行实证分析。本文主要采用单整自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)建立拥堵均值预测模型;基于广义自回归条件异方差模型(Generalized Autoregressive Conditional Heteroskdasticity,简称 GARCH)建立拥堵可靠性预测模型:基于梯形隶属度函数的模糊综合评价方法,对交通拥堵状态等级进行判别。主要研究内容如下:1、对扬州市区社会、经济和道路的现状进行调研,并通过交通流数据挖掘分析找出扬州市道路交通常发性拥堵和偶发性拥堵的成因,总结提炼扬州市交通拥堵特征。2、构建基于时间序列的城市道路拥堵延时指数短时预测及可靠性预测性分析模型,并对预测结果进行性能评估。3、建立扬州市交通拥堵状态评价指标体系,应用基于梯形隶属度函数的模糊综合评价方法,基于典型路段及区域的实际数据和预测结果对交通拥堵等级进行判别。4、选取典型的扬州市交通拥堵影响因素进行实例验证,并将预测拥堵状态等级与实际情况进行对比分析,验证模型的可靠性。本文研究结果表明:1、扬州市道路交通常发性拥堵主要与道路基础设施不完善等因素有关,而偶发性拥堵可通过大数据分析找出天气、施工、节假日、交通事故、违章等影响因素。2、预测性能评估结果表明,本文构建的基于ARIMA均值预测模型精度普遍在90%以上;基于GARCH可靠性预测模型无效覆盖率基本在6%以内,置信区间宽度基本在0.5左右,具有较高的可靠性预测。3、通过交通拥堵状态预测和等级判别的实证分析,得出扬州市景区周边道路交通在不同节假日时间段呈现周期性拥堵现象;不同气候条件对道路交通拥堵状态有较为显著的影响;典型路段的交通拥堵状态预测结果与实际情况基本相符,变化趋势基本一致。