面向高速公路常发及偶发拥堵判别的改进McMaster算法研究

摘要

准确检测高速公路常发及偶发性拥堵，是保障交通安全、提升交通运行效率的重要手段。McMaster算法是一种拥堵检测经典算法，它使用流量、占有率数据，并由人工设定参数。但其忽略速度参数，且人工预设参数难以应用于不同道路，使模型判别准确率较低且可移植性较差。为此，从交通流量、占有率、速度三参数出发改进算法，有利于提升算法准确率，同时，研究参数自寻优方法，将增强算法可移植性。因此，对高速公路常发及偶发拥堵检测工程运用具有重要意义。
　　本文以McMaster算法为基础，从建立McMaster算法参数与数据分类正确率的目标函数出发，运用粒子群优化算法对该目标函数进行寻优，研究了McMaster算法参数自寻优方法。同时，基于此参数已优化的McMaster算法模型，考虑到速度的突变性，运用尖点突变理论，建立三维优化 McMaster算法模型，以期解决McMaster算法可移植性较差问题与检测率较低问题。
　　针对McMaster算法存在的可移植性较差问题，提出了McMaster算法参数与数据分类正确率之间的目标函数，并选取粒子群优化算法对此目标函数进行寻优。考虑交通数据不平衡性，改进标准粒子群优化算法，提出梯度-粒子群优化算法。实验结果表明，梯度-粒子群优化算法搜索的McMaster算法参数使得McMaster算法判别准确率较高且能满足其可移植性要求。
　　针对McMaster算法存在的检测率低问题，考虑到速度对于交通拥堵的敏感性，提出了基于尖点突变理论的速度-流量-占有率三维优化McMaster算法模型。首先，从定性的角度分析了基于尖点突变理论建立三维优化 McMaster算法模型的可行性。然后，从定量的角度验证了三维优化McMaster算法模型的合理性。实验证明，利用该模型能够表现出常发及偶发拥堵的不同演变趋势，从而提升判别准确率。
　　针对三维优化McMaster算法模型存在的误判问题，深入分析了造成误判的原因，提出了建立“误判区域”并提取“突变角度”作为新判别特征。考虑到常发性拥堵突变角度变化较小而偶发性拥堵突变角度变化较大，采用离群点检测算法进行判别。实验证明，该算法能够较好的起到二次补充判别的作用。
　　综上所述，通过本文的工作，增强了算法的可移植性，提高了算法的检测准确率。实验表明，改进算法对于区分常发及偶发拥堵是可行的和有效的。

目录

1 绪 论

1.1 研究背景

1.2 国内外研究现状

1.3 研究的目的及意义

1.4 研究的主要内容及结构安排

1.5 本章小结

2 常发及偶发拥堵判别关键问题分析及解决思路

2.1 常发性拥堵及偶发性拥堵概述

2.2 关键问题分析

2.3 验证指标

2.4 本章小结

3 基于粒子群算法的McMaster算法参数优化

3.1 引言

3.2 问题描述

3.3 McMaster算法的参数优化

3.4 实验验证及结果分析

3.5 本章小结

4 基于三维优化McMaster算法的常偶发拥堵判别

4.1 引言

4.2 突变理论及交通流突变特性

4.3 常发及偶发交通拥堵演化特征分析

4.4 实验验证及结果分析

4.5 本章小结

5 考虑突变角度的三维优化McMaster算法常偶发拥堵判别

5.1 引言

5.2 常发及偶发误判分析及突变角度提取

5.3 基于突变角度的常发及偶发拥堵判别

5.4 实验验证及结果分析

5.5 本章小结

6 总结与展望

致谢

参考文献

附录

A. 作者在攻读学位期间发表的论文

B. 作者在攻读学位期间参与的项目