基于路口檢測(cè)數(shù)據(jù)的道路交通狀態(tài)模型的建立開題答辯

開題論文答辯基于路口檢測(cè)數(shù)據(jù)的道路交通狀態(tài)模型的建立姓名：專業(yè)：導(dǎo)師：日期：目錄1研究背景及意義2國內(nèi)外發(fā)展現(xiàn)狀3研究目標(biāo)與主要內(nèi)容4研究工作設(shè)想5可行性分析及難點(diǎn)6時(shí)間安排1課題背景城市道路的增速與交通需求增長發(fā)展不平衡交叉口對(duì)交通事件非常脆弱交叉口交通擁堵日益嚴(yán)重，節(jié)假日尤為突出，影響居民出行交通擁堵造成環(huán)境污染，影響居民健康，造成嚴(yán)重經(jīng)濟(jì)損失求>供充分利用道路通行能力，緩解交通擁堵2課題背景3緩解交通擁堵的途徑1、增建/拓寬道路，提高通行能力(時(shí)間和經(jīng)濟(jì)成本高、見效慢)2、發(fā)展智能交通系統(tǒng)(ITS)課題背景4容量、需求、狀態(tài)問題的時(shí)空層次空間：交叉口、路段、區(qū)域、整個(gè)路網(wǎng)時(shí)間：歷史、現(xiàn)在、將來；

短期、中期、長期容量對(duì)象通行能力時(shí)空層次出行對(duì)象出行時(shí)間出行OD出行方式出行路徑容量需求剩余容量狀態(tài)基本問題ZXY空間層次時(shí)間層次交通中的三個(gè)基本問題路網(wǎng)的不可知性及挑戰(zhàn)目前現(xiàn)狀5vs電信系統(tǒng)交通系統(tǒng)基礎(chǔ)能力確定需求動(dòng)態(tài)可知：IP固定,OD可知傳輸可控：完全服從、距離不敏感系統(tǒng)容量難以確定：車輛性能、駕駛行為、氣候條件、管理模式需求不可知：OD不確定、出行者、出行目的路徑難以控制：人的意志、時(shí)空敏感交通系統(tǒng)的本質(zhì)復(fù)雜性：

容量、輸入與邊界條件未知；隨機(jī)性強(qiáng)；開放式非線性系統(tǒng)目前現(xiàn)狀城市交通大數(shù)據(jù)最豐富、最活躍的數(shù)據(jù)資源之一數(shù)據(jù)產(chǎn)生涉及多行為、多主體，數(shù)據(jù)多源異構(gòu)基礎(chǔ)設(shè)施數(shù)據(jù)系統(tǒng)監(jiān)測(cè)數(shù)據(jù)業(yè)務(wù)行為數(shù)據(jù)移動(dòng)互聯(lián)網(wǎng)應(yīng)用數(shù)據(jù)數(shù)據(jù)量由小變大GBTBPB目前日增量約2.3PB200520166目前現(xiàn)狀城市交通大數(shù)據(jù)靜態(tài)基礎(chǔ)數(shù)據(jù)路網(wǎng)數(shù)據(jù)ArcGIS路網(wǎng)線上地圖

百度地圖

高德地圖…車道級(jí)地圖基礎(chǔ)設(shè)施數(shù)據(jù)交通標(biāo)志標(biāo)線交叉口信控配時(shí)數(shù)據(jù)車道級(jí)GIS-T平臺(tái)ArcGIS基礎(chǔ)地圖交叉口交通組織信控相位圖交通標(biāo)志7目前現(xiàn)狀城市交通大數(shù)據(jù)5系統(tǒng)監(jiān)測(cè)數(shù)據(jù)9車輛GPS監(jiān)控?cái)?shù)據(jù)出租車輛公交車輛營運(yùn)車輛交通監(jiān)控視頻數(shù)據(jù)交管類（高速公路、城市道路、交叉口）運(yùn)政類（站場、客運(yùn)班車、公交監(jiān)控)公安類(治安)交通抓拍圖像數(shù)據(jù)治安卡口系統(tǒng)電子警察系統(tǒng)收費(fèi)站監(jiān)控系統(tǒng)傳統(tǒng)定點(diǎn)檢測(cè)數(shù)據(jù)地感線圈微波出租車公交車營運(yùn)車治安卡口電警超速抓拍收費(fèi)站抓拍8目前現(xiàn)狀城市交通大數(shù)據(jù)8業(yè)務(wù)行為數(shù)據(jù)10IC卡交易數(shù)據(jù)公交上車刷卡地鐵出入站刷卡高速公路收費(fèi)站刷卡車駕管數(shù)據(jù)機(jī)動(dòng)車登記信息駕駛員登記信息交通違章信息手機(jī)通訊數(shù)據(jù)手機(jī)信令數(shù)據(jù)

通話、短信、基站切換手機(jī)終端數(shù)據(jù)

GSM模塊記錄基站編號(hào)以及各基站的信號(hào)強(qiáng)度機(jī)動(dòng)車登記公交車刷卡地鐵閘機(jī)刷卡收費(fèi)站刷卡駕駛員登記手機(jī)基站定位示意圖9目前現(xiàn)狀城市交通大數(shù)據(jù)9互聯(lián)網(wǎng)應(yīng)用數(shù)據(jù)交通應(yīng)用數(shù)據(jù)導(dǎo)航軟件

百度地圖、高德地圖網(wǎng)絡(luò)約租車

滴滴打車、Uber定制公交

如約巴士、滴滴巴士智能停車

互助停車、停車寶線上訂票社交媒體數(shù)據(jù)微博、微信交管部門發(fā)布交通路況、交通事件；

市民個(gè)體分享出行信息及路況等交通電臺(tái)播報(bào)實(shí)時(shí)交通路況、突發(fā)交通事件等10交通流理論研究內(nèi)容及體系目前現(xiàn)狀11微觀模型：參數(shù)復(fù)雜、標(biāo)定困難宏觀模型：均一性、細(xì)節(jié)不明顯研究工作的設(shè)想研究目標(biāo)研究體系容量需求個(gè)體出行模式與特征分析研究層次研究對(duì)象科學(xué)問題可計(jì)算路網(wǎng)與容量估計(jì)個(gè)體交通出行與需求辨識(shí)全景交通狀態(tài)感知多尺度交通狀態(tài)再現(xiàn)分層路網(wǎng)數(shù)字化可計(jì)算框架拓?fù)溆?jì)算空間計(jì)算邏輯計(jì)算個(gè)體出行身份特征識(shí)別個(gè)體出行鏈重構(gòu)基于視頻圖像的交通狀態(tài)感知多源數(shù)據(jù)環(huán)境下的交通分層感知時(shí)空局部的車輛復(fù)雜行為面向路網(wǎng)的中觀交通流模型面向區(qū)域的宏觀交通流模型狀態(tài)12研究工作內(nèi)容研究目標(biāo)131.交通結(jié)構(gòu)與通行效率

模型能再現(xiàn)交通結(jié)構(gòu)與狀態(tài)車輛成團(tuán)運(yùn)行宣城斷面檢測(cè)器分布3.中觀交通流模型以車隊(duì)為對(duì)象描述交通結(jié)構(gòu)

宏觀參量，利用斷面數(shù)據(jù)推動(dòng)觀測(cè)數(shù)據(jù)斷面集計(jì)數(shù)據(jù)斷面過車數(shù)據(jù)車輛軌跡數(shù)據(jù)大規(guī)模應(yīng)用已經(jīng)應(yīng)用可以應(yīng)用暫未能應(yīng)用檢測(cè)對(duì)象宏觀狀態(tài)交通結(jié)構(gòu)個(gè)體軌跡驅(qū)動(dòng)模型宏觀模型中觀模型微觀模型2.數(shù)據(jù)與模型匹配數(shù)據(jù)質(zhì)量對(duì)模型的影響（誤差、缺失）數(shù)據(jù)驅(qū)動(dòng)過程的建模（速度場的演變）模型框架研究目標(biāo)14車隊(duì)識(shí)別模型：車隊(duì)(縱向)運(yùn)動(dòng)模型：車輛換道模型：車輛運(yùn)動(dòng)圖示仿真運(yùn)行框架核心子模型判斷前后車是否處于同一交通狀態(tài)下TrueTrueTrueFalse車道級(jí)車隊(duì)模型(MLP)以車隊(duì)為單元描述車道間的車輛交換。以車隊(duì)為單元推動(dòng)車輛。一些基礎(chǔ)性工作目前工作由數(shù)據(jù)到模型路網(wǎng)通行能力分析數(shù)據(jù)類型：GIS-T路網(wǎng)數(shù)據(jù)、多源交通設(shè)備檢測(cè)數(shù)據(jù)、信控?cái)?shù)據(jù)分層路網(wǎng)數(shù)據(jù)模型交通規(guī)則數(shù)據(jù)模型數(shù)字化語義化計(jì)算框架拓?fù)溆?jì)算空間計(jì)算邏輯計(jì)算模板計(jì)算單模板計(jì)算模板組合分析評(píng)價(jià)15空間結(jié)構(gòu)邏輯計(jì)算信號(hào)配時(shí)視頻數(shù)據(jù)物理空間拓?fù)潢P(guān)系分類類型車道組模板化計(jì)算多種交通狀態(tài)模型修正卡口數(shù)據(jù)線圈數(shù)據(jù)15一些基礎(chǔ)性工作目前工作16路網(wǎng)通行能力分析數(shù)據(jù)來源：合肥市黃山路沿線6個(gè)路口及其相鄰路段數(shù)據(jù)類型：GIS-T路網(wǎng)數(shù)據(jù)、多源交通設(shè)備檢測(cè)數(shù)據(jù)、信控?cái)?shù)據(jù)連續(xù)路口通行能力匹配分析A→B路段，上游輸入(1601pcu/h)大于下游輸出(1553pcu/h)參數(shù)設(shè)定：車頭時(shí)距：直行3s左右轉(zhuǎn)3.8s模板4右轉(zhuǎn)比例為：0.67風(fēng)險(xiǎn)辨識(shí)電警卡口簡介目前工作17圖2

交叉口電警卡口街景感知車輛存在狀態(tài)抓拍并識(shí)別車牌信息上傳數(shù)據(jù)中心分類處理圖1

交叉口電警卡口示意圖圖3

電警卡口工作流程圖電警卡口過車數(shù)計(jì)算電警卡口有效抓拍字段車牌（未識(shí)別，記錄“車牌”字樣）時(shí)間（通過卡口的過車記錄）車道及方向（直行、左轉(zhuǎn)、右轉(zhuǎn)）卡口過車數(shù)統(tǒng)計(jì)與校驗(yàn)相結(jié)合劃分周期相位周期車道級(jí)統(tǒng)計(jì)卡口記錄條數(shù)綠燈周期記錄條數(shù)校驗(yàn)分析視頻對(duì)照車牌、車型實(shí)際過車數(shù)主要結(jié)論抓拍率定位成功率識(shí)別正確率P1P2P3正常工作狀況：實(shí)際各車道過車數(shù)的準(zhǔn)確率位于80%—90%區(qū)間P2受工作環(huán)境的影響較大（天氣、光照等）車道級(jí)，不涉及P3圖7

卡口過車數(shù)計(jì)算框架圖6

電警卡口數(shù)據(jù)獲取流程18目前工作目前工作車道組級(jí)需求分析方法余量原則前幾個(gè)周期行程時(shí)間原則均衡性原則周期綠燈時(shí)長最大通過容量每周期實(shí)際過車數(shù)小于1至2輛車最佳行程時(shí)間具有滯后性反映整體交通狀態(tài)變化“態(tài)勢(shì)”綜合考慮進(jìn)口道的通行情況區(qū)分主、次干道結(jié)論：車輛行程時(shí)間受到信號(hào)燈的影響較大，且在路段上一般只進(jìn)行一次排隊(duì)。圖807.18西進(jìn)口直行車道行程時(shí)間散點(diǎn)圖19可行性分析可行的技術(shù)路線充足的數(shù)據(jù)基礎(chǔ)扎實(shí)的前期準(zhǔn)備優(yōu)秀的師資隊(duì)伍可行性分析20交通流模型的研究路口檢測(cè)數(shù)據(jù)的自適應(yīng)信控從容量、需求到狀態(tài)的供需關(guān)系判別智能交通中心及方緯科技的龐大數(shù)據(jù)庫OpenITS開放平臺(tái)資源交叉口容量、需求的估算交叉口自適應(yīng)信控方案的設(shè)計(jì)中心各位老師的關(guān)心全國領(lǐng)先、世界一流的教工隊(duì)伍、科研團(tuán)隊(duì)深度與廣度兼?zhèn)鋾r(shí)間安排時(shí)間安排（1）2016.9-2016.11，評(píng)估城市道路交叉口等瓶頸點(diǎn)的通行容量；由此擴(kuò)展到路段及全路網(wǎng)。（2）2016.12-2017.3，基于路口車道級(jí)檢測(cè)數(shù)據(jù)，評(píng)估一個(gè)交叉口各個(gè)車道，不同時(shí)段的需求，了解城市交通運(yùn)行過程中，人、車、貨出行目的及路徑。（3）2017.4-2017.7，設(shè)計(jì)基于“供—需”平衡原則的交叉口信號(hào)自適應(yīng)控制策略，應(yīng)對(duì)非飽和交叉口由于突發(fā)事件及其他原因造成的局部通行求過飽和的情形；（4）2017.8-2017.11，在以上工作的基礎(chǔ)上，構(gòu)建道路交通狀態(tài)函數(shù)，全面、及時(shí)地掌握道路、線路、樞紐等瓶頸位置的交通狀態(tài)模型；（5）2017.12-2018.4，基于所建立預(yù)測(cè)模型，進(jìn)行研究區(qū)域預(yù)測(cè)試驗(yàn)，及預(yù)測(cè)效果評(píng)估。（6）2018.5-2019.6，研究總結(jié)及論文撰寫。21部分參考文獻(xiàn)文獻(xiàn)致謝[1]

CassidyMJ,JangK,DaganzoCF.Macroscopicfundamentaldiagramsforfreewaynetworks[J].TransportationResearchRecord：JournaloftheTransportationResearchBoard，2011(2)：8-15．[2]GeroliminisN,SunJ.Propertiesofawell-definedmacroscopicfundamentaldiagramforurbantraffic[J].TransportationResearchPartB：Methodological，2011,45(3)：605-617．[3]許菲菲，何兆成，沙志仁.交通管理措施對(duì)路網(wǎng)宏觀基本圖的影響分析[J].交通運(yùn)輸系統(tǒng)工程與信息,2013.

13(2)：185-190.[4]

Pan,T.,Lam,W.H.K.,Sumalee,A.,Zhong*,R.,2016.Modellingtheimpactsofmandatoryanddiscretionarylane-changingmaneuvers.TransportationResearchPartC,68,403-424.[5]Zhong,R.,Fu,K.,Sumalee,A.,Ngoduy,D.,Lam,W.H.K.,2016.Across-entropymethodandprobabilisticsensitivityanalysisframeworkforcalibratingmicroscopictrafficmodels.TransportationResearchPartC,63,147-169.[6]Zhong,R.,Chen,C.,Chow,A.,Pan,T.,Yuan,F.,He,Z.,2016.Automaticcalibrationoffundamentaldiagramforfirst-ordermacroscopicfreewaytrafficmodels.JournalofAdvancedTransportation,50(3),363-385.[7]He,Z.,Wang,Y.,Sun,W.,Huang,P.,Zhang,L.,Zhong,R.Modellingcar-followingbehaviourwithlateralseparationandovertakingexpectation.TransportmetricaB:TransportDynamics,DOI:10.108