[01172550]基于云模型的交通流量预测方法在高速公路紧急辅助决策支持系统中的应用研究

课题研究内容主要包含对应急交通辅助决策支持系统中基于云模型的交通流量预测方法和基于时空特征分析的短时交通流预测模型进行了研究和论述,并实现了交通应急状态的标绘功能,对交通管理部门的决策起到了很好的辅助作用,帮助其进行交通的诱导和救援,提高交通管理部门对高速公路的管理水平。本课题首先阐述了一种基于云模型的交通状况的模拟,给出了定性定量之间转换的云模型的形式化表示。该方法是应用模糊数学的基本原理来考察无法定量化的评价对象的一种综合评判方法,以克服传统的评价方法中定性与定量不能兼得的缺陷,并且能反映交通中实际数据的模糊性和随机性。本课题依据此理论,用于交通路况的模糊性和随机性,不仅能有效的分析、评估及预测交通的分时状况,甚至在一定程度上能得到缓解交通堵塞的方法。其次为了进一步提高短时交通流预测的精度,提出了一种基于时空特征分析的短时交通流预测模型,充分考虑了交通流数据的时空特征,在分析路段时空相关性的基础上,利用云模型改进的遗传算法对支持向量机的参数进行优化,得到最优的支持向量机模型,并实现短时交通流预测。与遗传支持向量机模型和云遗传支持向量机模型相比,所提出的预测模型提高了短时交通流预测的精度。实验表明基于时空分析和云遗传支持向量机的短时交通流预测方法具有有效性和可行性,同时,该短时交通流预测方法比较简单,易于实现,可以进行工程应用。最后,课题运用GIS、ArcGIS Server、.NET框架、C#语言、JavaScript语言、SQL Server 2008等开发平台和技术,实现了高速公路交通应急标绘系统。交通应急标绘系统是在 GIS 技术的支持下,结合相关的方法和技术,针对高速公路交通应急工作的实际需要而进行的研究。在进行大量路网数据分析的基础上,得出交通应急指挥的最佳方案,进而使用交通应急标绘系统进行交通状态、车辆、消防设施、物质资源等的标绘,为指挥人员提供辅助决策,提高高速公路交通应急指挥处置能力和交通救援综合效率,进而提高高速公路管理水平。