基本介紹
內容簡介,目錄,
內容簡介
近年來，隨著智慧型運輸系統（IntelligentTransportationSystems，簡稱ITS）的蓬勃發展，智慧型交通控制、動態的交通流狀態辨識以及實時交通流誘導成為ITS研究的熱門課題。交通流狀態辨識是ITS，尤其是其先進的交通管理系統和出行者信息系統研究的一個重要內容。對道路交通流狀態進行分析研究，及時、準確地辨識交通異常，是制定正確誘導和控制措施的一個重要前提。基於交通流狀態辨識理論的交通事件管理系統已經在國外很多國家得到了廣泛套用，而我國對於交通流狀態辨識技術的研究和套用尚處於初步階段。道路交通流數據質量的優劣必將對交通流狀態辨識及後續套用產生影響。當採集到的道路交通流數據源源不斷地傳輸到交通管理中心後，中心會對數據加以相應的處理和套用，如集成、抽樣、壓縮、存儲、發布等。但是，由於環境因素的變化、交通流採集設備的間歇性工作故障以及傳輸設備故障等原因，採集到的道路交通流數據不可避免地存在著某些質量問題。若直接將有質量問題的數據套用到交通流狀態辨識及後續套用，必將給辨識或套用結果帶來不穩定和不安全隱患，因此，為獲得高效、精益化交通流數據，數據清洗顯得尤為重要。從世界範圍看，隨著ITS的實施，在特定的道路條件下，根據實時交通流的變化，把先進的數理統計理論、數據挖掘技術、智慧型信息處理技術、人工智慧技術、數據融合技術與交通流理論相結合，對事件管理系統依據交通流狀態辨識理論，按照動態交通管理的基本思想進行擴充和改造是ITS未來的發展方向之一。《交通流數據清洗與狀態辨識及最佳化控制關鍵理論方法》以我國ITS框架為依據，結合我國高速公路道路交通基礎設施現狀和未來發展的需要，對我國的交通流狀態辨識框架及其關鍵理論和方法進行了研究。《交通流數據清洗與狀態辨識及最佳化控制關鍵理論方法》的主要內容分為三部分：第一部分為概述，主要敘述了《交通流數據清洗與狀態辨識及最佳化控制關鍵理論方法》的研究背景、研究目的和意義，設計了交通流狀態辨識系統框架；第二部分主要闡述了交通流數據清洗的關鍵理論及方法；第三部分研究了交通流狀態辨識理論及方法。
目錄
前言
1 緒論
1.1 its發展背景
1.2 國內外its研究歷史與發展現狀
1.2.1 國外its研究歷史與發展現狀
1.2.2 我國its研究歷史與發展現狀
1.2.3 its主要功能子系統
1.3 交通流數據清洗與狀態辨識及最佳化控制概述
1.4 本書主要內容
參考文獻
第一篇 交通流數據清洗關鍵理論及方法
2 交通流數據清洗概述
2.1 研究背景
2.2 研究的必要性及數據清洗
2.2.1 必要性
2.2.2 交通流數據清洗的主要內容
2.3 國內外相關研究狀況
2.3.1 數據清洗研究狀況
2.3.2 交通流數據清洗研究狀況
2.4 本篇主要研究內容
2.5 本章小結
參考文獻
3 交通流丟失數據補齊算法
3.1 丟失數據的分析
3.2 基於粗集理論的交通流丟失數據補齊算法
3.2.1 粗集理論
3.2.2 roustida算法流程
3.2.3 模型套用與結果分析
3.2.4 結論
3.3 基於最小二乘支持向量機的交通流丟失數據補齊算法
3.3.1 支持向量機和最小二乘支持向量機的原理
3.3.2 交通流丟失數據補齊模型及仿真
3.3.3 結論
3.4 本章小結
參考文獻
4 交通流錯誤數據判別和修正算法
4.1 錯誤數據判別模型
4.1.1 孤立點檢測算法
4.1.2 邊界檢測算法
4.1.3 閾值理論與交通流理論的組合檢測算法
4.2 錯誤數據修正模型
4.2.1 灰色gm(1，1)模型
4.2.2 錯誤數據修正模型
4.3 套用實例
4.3.1 數據來源
4.3.2 算法流程
4.3.3 模型套用
4.3.4 結果分析
4.4 結論
4.5 本章小結
參考文獻
5 交通流冗餘數據約簡算法
5.1 冗餘數據識別和約簡方法
5.1.1 基於等級分組法的冗餘數據識別方法
5.1.2 冗餘數據的約簡方法
5.2 套用實例
5.2.1 數據來源
5.2.2 算法流程
5.2.3 模型套用
5.2.4 結果分析
5.3 結論
5.4 本章小結
參考文獻
6 本篇內容總結及其展望
6.1 總結
6.2 未來的研究方向
第二篇 交通流狀態辨識關鍵理論及方法
7 交通流狀態辨識系統框架
7.1 交通流狀態辨識系統框架結構
7.2 系統框架的主要組成部分
7.2.1 交通狀態判別子系統
7.2.2 動態交通信息採集子系統
7.2.3 交通流數據清洗子系統
7.2.4 交通流控制子系統
7.2.5 調度子系統
7.2.6 交通信息發布子系統
7.2.7 事件數據管理子系統
7.2.8 通信子系統
7.3 本篇主要研究內容與方法
7.4 本章小結
參考文獻
8 交通流狀態預辨識方法
8.1 交通流預測方法簡介
8.1.1 基於統計理論的模型
8.1.2 基於非線性預測理論的模型
8.1.3 基於神經網路理論的模型
8.1.4 基於動態分配理論的模型
8.1.5 基於微觀交通仿真的模型
8.2 基於非參數回歸樣條的交通流短時預測方法
8.2.1 非參數回歸
8.2.2 非參數回歸樣條擬合方法
8.2.3 非參數回歸樣條擬合方法在交通流短時預測中的套用
8.3 基於投影尋蹤自回歸的短時交通流預測方法
8.3.1 投影尋蹤技術
8.3.2 pp自回歸模型[ppar(k)]
8.3.3 交通流ppar回歸預測
8.3.4 結論
8.4 本章小結
參考文獻
9 交通流量變檢測方法
9.1 概述
9.2 指數分布機率變點模型研究
9.2.1 指數分布參數的變點
9.2.2 均值變點搜尋方法
9.2.3 模型套用與結果分析
9.3 二項分布機率變點模型研究
9.3.1 累次計數法
9.3.2 模型套用與結果分析
9.4 本章小結
參考文獻
10 交通流質變檢測方法
10.1 交通事件檢測方法簡介
10.1.1 交通事件
10.1.2 主要事件檢測算法及評價指標
10.2 交通流突變分析的變點統計方法
10.2.1 概述
10.2.2 交通流突變分析的最小二乘法
10.2.3 交通流突變分析的局部比較法
10.3 基於多分辨分析的交通事件自動檢測方法
10.3.1 多分辨分析mallat算法
10.3.2 小波濾波器及mallat算法的具體實現
10.3.3 多分辨分析在交通事件自動檢測中的套用
10.4 本章小結
參考文獻
11 信息融合技術在交通流狀態實時辨識中的套用
11.1 信息融合及交通信息融合簡介
11.1.1 信息融合
11.1.2 信息融合的層次級別
11.1.3 信息融合方法
11.2 基於支持向量機的交通信息融合方法研究
11.2.1 支持向量機簡介
11.2.2 基於svm的信息融合方法在交通流狀態實時辨識中的套用
11.2.3 結論
11.3 基於遺傳算法的交通信息模糊融合方法
11.3.1 模糊控制和遺傳算法
11.3.2 基於遺傳算法的信息模糊融合方法在交通流狀態實時辨識中的套用
11.4 本章小結
參考文獻
12 本篇內容總結及其展望
第三篇 交通流最佳化控制關鍵理論及方法
13 交通流最佳化控制
13.1 研究的背景和意義
13.2 dta問題
13.2.1 國外研究現狀
13.2.2 我國研究現狀
13.3 最短路徑問題
13.4 本篇主要內容
參考文獻
14 蟻群算法概述
14.1 算法的基本理論
14.1.1 基本原理
14.1.2 基本模型
14.1.3 理論基礎
14.1.4 算法框架
14.1.5 算法的特點
14.2 算法的研究進展
14.2.1 理論研究
14.2.2 套用研究
14.2.3 我國研究情況
14.3 本章小結
參考文獻
15 基於自適應蟻群算法的交通網路中最短路徑搜尋方法
15.1 交通網路中最短路徑問題
15.1.1 交通網路的表示
15.1.2 最短路徑問題的描述
15.2 用自適應蟻群算法求解交通網路中最短路徑問題
15.2.1 尋優思路
15.2.2 算法設計
15.2.3 算法的具體實現步驟
15.2.4 算法流程圖
15.3 仿真實驗
15.4 本章小結
參考文獻
16 基於混沌蟻群算法的動態用戶最優配流方法
16.1 基本問題
16.1.1 交通分配理論概述
16.1.2 dta特徵
16.1.3 動態交通網路配流原則
16.1.4 動態交通網路約束條件
16.2 離散型動態用戶最優配流模型
16.3 dta方法
16.3.1 混沌蟻群算法
16.3.2 用caco求解離散型動態用戶最優配流問題
16.4 仿真實驗
16.5 本章小結
參考文獻
17 本篇內容總結及其展望
17.1 總結
17.2 研究展望
附錄
附錄a 王曉原主持的科研項目
附錄b 作者的代表性論著
