论文部分内容阅读
对于城市交通状况的研究一直是城市问题中一个备受关注的关键点,如何保障城市交通的畅通性和安全性是其研究核心。现阶段,在GPS定位导航技术、电子通信技术、电子传感器技术等智能交通硬件设施配备完善的情况下,已经实现了对道路及车辆状况的全天候不间断监测。目前,已经可以通过对路网的实时监测数据进行处理和加工,并发布到导航平台,从而为司机提供实时路况,对参与交通的每个车辆的出行进行交通指引,同时也提高了路网的通行效率。但是另一方面,若将获取到的实时监测数据进行深入分析,运用合理的交通流预测算法、工具等手段得到准确的路网预测数据,交通管理部门便可以采用发布交通预测信息、调控信号灯、人工交通管制等方法来保障交通畅通,变被动适应为主动调节。可以说,目前已有的技术基础和数据基础为城市交通的深入研究提供了支撑,因此本文以成都市2014年8月的出租车GPS数据和成都市绕城高速以内路网数据为实验数据,通过一系列数据处理与分析得出成都市的交通流状态信息和时空特征,并通过ARIMA模型和STARIMA模型对整体路网的交通流参数进行预测。具体内容分为以下几个方面:(1)数据预处理与交通流参数的计算。通过GPS轨迹数据处理、地图匹配、创建成都市路网模型、交通流参数选取和计算等,统计成都市路网中各路段的交通流状态信息。(2)成都市交通流的时空特征分析。根据道路交通流的特点以及道路的拓扑结构,构建路网交通空间权重矩阵,从时间序列特征、空间分布特征以及交通流时空相关性特征三个角度探索成都市交通流特点。(3)成都市的交通流预测。依据序列平稳化、模式识别、参数估计、诊断校验四个基本步骤分别构建ARIMA模型和STARIMA模型,并对成都市交通流参数进行预测,最后对两个模型的预测效果和性能进行对比,得出结论。本文研究结果表明,基于出租车GPS轨迹数据的计算和转换能够对交通状态进行宏观描述;基于时间序列的聚类分析能够得出时间维度的两种交通出行模式和空间维度的四种不同的道路类型;基于交通流影响规则的路网空间权重矩阵在空间相关性分析中的表现优于Rook规则构建的空间权重矩阵;成都市的交通流在环路和纵路道路不同方向、不同位置都表现出时空相关性和异质性特征;基于ARIMA模型和STARIMA模型的交通流预测均有较好的效果,其中STARIMA模型的交通流预测拟合度可达99.20%。