基于路口检测数据的道路交通状态模型的建立开题答辩

开题论文答辩基于路口检测数据的道路交通状态模型的建立姓名：专业：导师：日期：目录1研究背景及意义2国内外发展现状3研究目标与主要内容4研究工作设想5可行性分析及难点6时间安排1课题背景城市道路的增速与交通需求增长发展不平衡交叉口对交通事件非常脆弱交叉口交通拥堵日益严重，节假日尤为突出，影响居民出行交通拥堵造成环境污染，影响居民健康，造成严重经济损失求>供充分利用道路通行能力，缓解交通拥堵2课题背景3缓解交通拥堵的途径1、增建/拓宽道路，提高通行能力(时间和经济成本高、见效慢)2、发展智能交通系统(ITS)课题背景4容量、需求、状态问题的时空层次空间：交叉口、路段、区域、整个路网时间：历史、现在、将来；

短期、中期、长期容量对象通行能力时空层次出行对象出行时间出行OD出行方式出行路径容量需求剩余容量状态基本问题ZXY空间层次时间层次交通中的三个基本问题路网的不可知性及挑战目前现状5vs电信系统交通系统基础能力确定需求动态可知：IP固定,OD可知传输可控：完全服从、距离不敏感系统容量难以确定：车辆性能、驾驶行为、气候条件、管理模式需求不可知：OD不确定、出行者、出行目的路径难以控制：人的意志、时空敏感交通系统的本质复杂性：

容量、输入与边界条件未知；随机性强；开放式非线性系统目前现状城市交通大数据最丰富、最活跃的数据资源之一数据产生涉及多行为、多主体，数据多源异构基础设施数据系统监测数据业务行为数据移动互联网应用数据数据量由小变大GBTBPB目前日增量约2.3PB200520166目前现状城市交通大数据静态基础数据路网数据ArcGIS路网线上地图

百度地图

高德地图…车道级地图基础设施数据交通标志标线交叉口信控配时数据车道级GIS-T平台ArcGIS基础地图交叉口交通组织信控相位图交通标志7目前现状城市交通大数据5系统监测数据9车辆GPS监控数据出租车辆公交车辆营运车辆交通监控视频数据交管类（高速公路、城市道路、交叉口）运政类（站场、客运班车、公交监控)公安类(治安)交通抓拍图像数据治安卡口系统电子警察系统收费站监控系统传统定点检测数据地感线圈微波出租车公交车营运车治安卡口电警超速抓拍收费站抓拍8目前现状城市交通大数据8业务行为数据10IC卡交易数据公交上车刷卡地铁出入站刷卡高速公路收费站刷卡车驾管数据机动车登记信息驾驶员登记信息交通违章信息手机通讯数据手机信令数据

通话、短信、基站切换手机终端数据

GSM模块记录基站编号以及各基站的信号强度机动车登记公交车刷卡地铁闸机刷卡收费站刷卡驾驶员登记手机基站定位示意图9目前现状城市交通大数据9互联网应用数据交通应用数据导航软件

百度地图、高德地图网络约租车

滴滴打车、Uber定制公交

如约巴士、滴滴巴士智能停车

互助停车、停车宝线上订票社交媒体数据微博、微信交管部门发布交通路况、交通事件；

市民个体分享出行信息及路况等交通电台播报实时交通路况、突发交通事件等10交通流理论研究内容及体系目前现状11微观模型：参数复杂、标定困难宏观模型：均一性、细节不明显研究工作的设想研究目标研究体系容量需求个体出行模式与特征分析研究层次研究对象科学问题可计算路网与容量估计个体交通出行与需求辨识全景交通状态感知多尺度交通状态再现分层路网数字化可计算框架拓扑计算空间计算逻辑计算个体出行身份特征识别个体出行链重构基于视频图像的交通状态感知多源数据环境下的交通分层感知时空局部的车辆复杂行为面向路网的中观交通流模型面向区域的宏观交通流模型状态12研究工作内容研究目标131.交通结构与通行效率

模型能再现交通结构与状态车辆成团运行宣城断面检测器分布3.中观交通流模型以车队为对象描述交通结构

宏观参量，利用断面数据推动观测数据断面集计数据断面过车数据车辆轨迹数据大规模应用已经应用可以应用暂未能应用检测对象宏观状态交通结构个体轨迹驱动模型宏观模型中观模型微观模型2.数据与模型匹配数据质量对模型的影响（误差、缺失）数据驱动过程的建模（速度场的演变）模型框架研究目标14车队识别模型：车队(纵向)运动模型：车辆换道模型：车辆运动图示仿真运行框架核心子模型判断前后车是否处于同一交通状态下TrueTrueTrueFalse车道级车队模型(MLP)以车队为单元描述车道间的车辆交换。以车队为单元推动车辆。一些基础性工作目前工作由数据到模型路网通行能力分析数据类型：GIS-T路网数据、多源交通设备检测数据、信控数据分层路网数据模型交通规则数据模型数字化语义化计算框架拓扑计算空间计算逻辑计算模板计算单模板计算模板组合分析评价15空间结构逻辑计算信号配时视频数据物理空间拓扑关系分类类型车道组模板化计算多种交通状态模型修正卡口数据线圈数据15一些基础性工作目前工作16路网通行能力分析数据来源：合肥市黄山路沿线6个路口及其相邻路段数据类型：GIS-T路网数据、多源交通设备检测数据、信控数据连续路口通行能力匹配分析A→B路段，上游输入(1601pcu/h)大于下游输出(1553pcu/h)参数设定：车头时距：直行3s左右转3.8s模板4右转比例为：0.67风险辨识电警卡口简介目前工作17图2

交叉口电警卡口街景感知车辆存在状态抓拍并识别车牌信息上传数据中心分类处理图1

交叉口电警卡口示意图图3

电警卡口工作流程图电警卡口过车数计算电警卡口有效抓拍字段车牌（未识别，记录“车牌”字样）时间（通过卡口的过车记录）车道及方向（直行、左转、右转）卡口过车数统计与校验相结合划分周期相位周期车道级统计卡口记录条数绿灯周期记录条数校验分析视频对照车牌、车型实际过车数主要结论抓拍率定位成功率识别正确率P1P2P3正常工作状况：实际各车道过车数的准确率位于80%—90%区间P2受工作环境的影响较大（天气、光照等）车道级，不涉及P3图7

卡口过车数计算框架图6

电警卡口数据获取流程18目前工作目前工作车道组级需求分析方法余量原则前几个周期行程时间原则均衡性原则周期绿灯时长最大通过容量每周期实际过车数小于1至2辆车最佳行程时间具有滞后性反映整体交通状态变化“态势”综合考虑进口道的通行情况区分主、次干道结论：车辆行程时间受到信号灯的影响较大，且在路段上一般只进行一次排队。图807.18西进口直行车道行程时间散点图19可行性分析可行的技术路线充足的数据基础扎实的前期准备优秀的师资队伍可行性分析20交通流模型的研究路口检测数据的自适应信控从容量、需求到状态的供需关系判别智能交通中心及方纬科技的庞大数据库OpenITS开放平台资源交叉口容量、需求的估算交叉口自适应信控方案的设计中心各位老师的关心全国领先、世界一流的教工队伍、科研团队深度与广度兼备时间安排时间安排（1）2016.9-2016.11，评估城市道路交叉口等瓶颈点的通行容量；由此扩展到路段及全路网。（2）2016.12-2017.3，基于路口车道级检测数据，评估一个交叉口各个车道，不同时段的需求，了解城市交通运行过程中，人、车、货出行目的及路径。（3）2017.4-2017.7，设计基于“供—需”平衡原则的交叉口信号自适应控制策略，应对非饱和交叉口由于突发事件及其他原因造成的局部通行求过饱和的情形；（4）2017.8-2017.11，在以上工作的基础上，构建道路交通状态函数，全面、及时地掌握道路、线路、枢纽等瓶颈位置的交通状态模型；（5）2017.12-2018.4，基于所建立预测模型，进行研究区域预测试验，及预测效果评估。（6）2018.5-2019.6，研究总结及论文撰写。21部分参考文献文献致谢[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]许菲菲，何兆成，沙志仁.交通管理措施对路网宏观基本图的影响分析[J].交通运输系统工程与信息,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