城市道路交通流状态辨识及决策方法分析-载运工具运用工程专业论文.docxVIP

插 图 清 单 图 1-1 短时交通流预测模型分类图......................................................................... 3 图 1-2 交通事件自动检测方法分类图..................................................................... 4 图 1-3 论文研究的组织结构图................................................................................. 8 图 2-1 BP 神经网络和 RBF 神经网络结构对比图 15 图 2-2 非参数回归法在短时交通流量预测中的应用........................................... 15 图 2-3 加州算法的拥挤识别逻辑图....................................................................... 18 图 2-4 McMaster 算法的状态分类图 18 图 2-5 指数平滑法的拥挤识别逻辑流程图........................................................... 19 图 3-1 随机交通 RBF 神经网络与 Markov 链组合模型 25 图 3-2 原始的交通序列图....................................................................................... 30 图 3-3 小波分解后的交通稳定序列图................................................................... 30 图 3-4 小波分解后的交通随机序列图................................................................... 30 图 3-5 交通随机序列状态预测结果图................................................................... 31 图 3-6 交通稳态序列 RBF 神经网络预测结果图 31 图 3-7 交通序列最终预测结果与实际值对比图................................................... 31 图 3-8 组合预测方法下不同扩展常数 RBF 神经网络结果对比图 32 图 3-9 未处理数据 RBF 神经网络预测结果与实际值对比图 33 图 4-1 组合预测模型流程图................................................................................... 35 图 4-2 交叉口某进口道实测交通流序列图........................................................... 39 图 4-3 一次指数平滑法预测结果与实际值比较图............................................... 40 图 4-4 自适应灰色预测法预测结果与实际值比较图........................................... 41 图 4-5 基于小波分析预测法预测结果与实际值比较图....................................... 41 图 4-6 各预测模型的相对误差百分比（ME） 42 图 5-1 城市道路网络交通状态分类图................................................................... 47 图 5-2 交通流中速度和流量之间的关系图........................................................... 47 图 5-3 常发性交通拥挤和偶发性交通拥挤模式示意图....................................... 49 图 5-4 基于预测的交通状态决策流程图............................................................... 49 图 5-5 参数 T1随时间的变化曲线图 52 图 5-6 第一次发生交通拥挤