基于路口檢測數(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數(shù)據(jù)的道路交通狀態(tài)模型的建立姓名：專業(yè)：導師：日期：目錄1研究背景及意義2國內(nèi)外發(fā)展現(xiàn)狀3研究目標與主要內(nèi)容4研究工作設想5可行性分析及難點6時間安排1課題背景城市道路的增速與交通需求增長發(fā)展不平衡交叉口對交通事件非常脆弱交叉口交通擁堵日益嚴重，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，造成嚴重經(jīng)濟損失求>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(時間和經(jīng)濟成本高、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)問題的時空層次空間：交叉口、路段、區(qū)域、整個路網(wǎng)時間：歷史、現(xiàn)在、將來；

短期、中期、長期容量對象通行能力時空層次出行對象出行時間出行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空間層次時間層次交通中的三個基本問題路網(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)基礎能力確定需求動態(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、時空敏感交通系統(tǒng)的本質復雜性：

容量、輸入與邊界條件未知；隨機性強；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)多源異構基礎設施數(shù)據(jù)系統(tǒng)監(jiān)測數(shù)據(jù)業(yè)務行為數(shù)據(jù)移動互聯(lián)網(wǎng)應用數(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…車道級地圖基礎設施數(shù)據(jù)交通標志標線交叉口信控配時數(shù)據(jù)車道級GIS-T平臺ArcGIS基礎地圖交叉口交通組織信控相位圖交通標志7目前現(xiàn)狀城市交通大數(shù)據(jù)5系統(tǒng)監(jiān)測數(shù)據(jù)9車輛GPS監(jiān)控數(shù)據(jù)出租車輛公交車輛營運車輛交通監(jiān)控視頻數(shù)據(jù)交管類（高速公路、城市道路、交叉口）運政類（站場、客運班車、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)收費站監(jiān)控系統(tǒng)傳統(tǒng)定點檢測數(shù)據(jù)地感線圈微波出租車公交車營運車治安卡口電警超速抓拍收費站抓拍8目前現(xiàn)狀城市交通大數(shù)據(jù)8業(yè)務行為數(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站刷卡車駕管數(shù)據(jù)機動車登記信息駕駛員登記信息交通違章信息手機通訊數(shù)據(jù)手機信令數(shù)據(jù)

通話、短信、基站切換手機終端數(shù)據(jù)

GSM模塊記錄基站編號以及各基站的信號強度機動車登記公交車刷卡地鐵閘機刷卡收費站刷卡駕駛員登記手機基站定位示意圖9目前現(xiàn)狀城市交通大數(shù)據(jù)9互聯(lián)網(wǎng)應用數(shù)據(jù)交通應用數(shù)據(jù)導航軟件

百度地圖、高德地圖網(wǎng)絡約租車

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；

市民個體分享出行信息及路況等交通電臺播報實時交通路況、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)復雜、標定困難宏觀模型：均一性、細節(jié)不明顯研究工作的設想研究目標研究體系容量需求個體出行模式與特征分析研究層次研究對象科學問題可計算路網(wǎng)與容量估計個體交通出行與需求辨識全景交通狀態(tài)感知多尺度交通狀態(tài)再現(xiàn)分層路網(wǎng)數(shù)字化可計算框架拓撲計算空間計算邏輯計算個體出行身份特征識別個體出行鏈重構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空局部的車輛復雜行為面向路網(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131.交通結構與通行效率

模型能再現(xiàn)交通結構與狀態(tài)車輛成團運行宣城斷面檢測器分布3.中觀交通流模型以車隊為對象描述交通結構

宏觀參量，利用斷面數(shù)據(jù)推動觀測數(shù)據(jù)斷面集計數(shù)據(jù)斷面過車數(shù)據(jù)車輛軌跡數(shù)據(jù)大規(guī)模應用已經(jīng)應用可以應用暫未能應用檢測對象宏觀狀態(tài)交通結構個體軌跡驅動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)質量對模型的影響（誤差、缺失）數(shù)據(jù)驅動過程的建模（速度場的演變）模型框架研究目標14車隊識別模型：車隊(縱向)運動模型：車輛換道模型：車輛運動圖示仿真運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車道級車隊模型(MLP)以車隊為單元描述車道間的車輛交換。以車隊為單元推動車輛。一些基礎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)、多源交通設備檢測數(shù)據(jù)、信控數(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)字化語義化計算框架拓撲計算空間計算邏輯計算模板計算單模板計算模板組合分析評價15空間結構邏輯計算信號配時視頻數(shù)據(jù)物理空間拓撲關系分類類型車道組模板化計算多種交通狀態(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)、多源交通設備檢測數(shù)據(jù)、信控數(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)設定：車頭時距：直行3s左右轉3.8s模板4右轉比例為：0.67風險辨識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)計算電警卡口有效抓拍字段車牌（未識別，記錄“車牌”字樣）時間（通過卡口的過車記錄）車道及方向（直行、左轉、右轉）卡口過車數(shù)統(tǒng)計與校驗相結合劃分周期相位周期車道級統(tǒng)計卡口記錄條數(shù)綠燈周期記錄條數(shù)校驗分析視頻對照車牌、車型實際過車數(shù)主要結論抓拍率定位成功率識別正確率P1P2P3正常工作狀況：實際各車道過車數(shù)的準確率位于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，不涉及P3圖7

卡口過車數(shù)計算框架圖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需求分析方法余量原則前幾個周期行程時間原則均衡性原則周期綠燈時長最大通過容量每周期實際過車數(shù)小于1至2輛車最佳行程時間具有滯后性反映整體交通狀態(tài)變化“態(tài)勢”綜合考慮進口道的通行情況區(qū)分主、次干道結論：車輛行程時間受到信號燈的影響較大，且在路段上一般只進行一次排隊。圖807.18西進口直行車道行程時間散點圖19可行性分析可行的技術路線充足的數(shù)據(jù)基礎扎實的前期準備優(yōu)秀的師資隊伍可行性分析20交通流模型的研究路口檢測數(shù)據(jù)的自適應信控從容量、需求到狀態(tài)的供需關系判別智能交通中心及方緯科技的龐大數(shù)據(jù)庫OpenITS開放平臺資源交叉口容量、需求的估算交叉口自適應信控方案的設計中心各位老師的關心全國領先、世界一流的教工隊伍、科研團隊深度與廣度兼?zhèn)鋾r間安排時間安排（1）2016.9-2016.11，評估城市道路交叉口等瓶頸點的通行容量；由此擴展到路段及全路網(wǎng)。（2）2016.12-2017.3，基于路口車道級檢測數(shù)據(jù)，評估一個交叉口各個車道，不同時段的需求，了解城市交通運行過程中，人、車、貨出行目的及路徑。（3）2017.4-2017.7，設計基于“供—需”平衡原則的交叉口信號自適應控制策略，應對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，在以上工作的基礎上，構建道路交通狀態(tài)函數(shù)，全面、及時地掌握道路、線路、樞紐等瓶頸位置的交通狀態(tài)模型；（5）2017.12-2018.4，基于所建立預測模型，進行研究區(qū)域預測試驗，及預測效果評估。（6）2018.5-2019.6，研究總結及論文撰寫。21部分參考文獻文獻致謝[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.交通管理措施對路網(wǎng)宏觀基本圖的影響分析[J].交通運輸系統(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