导　　师： 文元美; 付柏顺

授予学位： 硕士

作　　者： (）;

机构地区： 广东工业大学

摘　　要： 在城市的发展过程中,城市关联交叉口广泛存在于城市路网中并且占据着交通区域的核心位置,但对于关联交叉路口不合理的信号灯控制却是造成道路交通拥堵以及通行效率不高的重要原因。路网中交通流时间序列具备的混沌特性使得对其进行预测和控制都变得较为困难。传统短时交通流时间序列预测方法存在模型的鲁棒性不好、预测精度不够高等问题;信号控制优化配时中,传统固定配时控制方法因为忽视了交通流相关性而不能完全反映交通流的复杂变化情况。因此对城市关联交叉口交通流量的预测控制方法进行研究具有理论价值和实践意义。本论文从对短时交通流时间序列进行更准确、鲁棒性更强的预测计算以及对信号配时参数性能函数优化方面来开展工作,主要贡献:（1）提出了关联交叉口交通流预测控制系统框架。该框架由交通流时间序列混沌特性判别模块、数据预处理模块、EMD-GRU方法设计模块、信号控制配时参数优化设计模块四个模块组成。交通流时间序列混沌特性判别模块旨在判定交通流是否具备混沌特性为选取合适预测方法提供理论基础;数据预处理模块目的是一定程度上提高数据可用性,利于预测方法计算,并提高其准确度。EMD-GRU方法设计模块是为有效提高对短时交通流时间序列数据集的预测准确性和鲁棒性;信号控制配时参数优化设计模块是为了实现关联交叉口交通信号灯优化配时方案,以此减少交通拥堵、提高道路交通运行效率。（2）采用EMD-GRU组合模型对短时交通流进行预测。首先将短时交通流时间序列进行EMD分解得到交通流时间序列的高频、低频各种分量,然后对各分量分别建立门控制单元循环神经网络预测模型,将其中分量的个数作为GRU隐含层层数。采用广东省中山市交通局采集假日广场邻近路口兴中道路段的�

关 键 词： 关联交叉口 短时交通流时间序列 组合预测模型 遗传算法

领　　域： []