基于固定和移动检测数据的高速公路交通状态估计研究

作     者：赵明明 

作者单位：浙江大学 

学位级别：博士

导师姓名：王亦兵

授予年度：2022年

学科分类：08[工学] 082303[工学-交通运输规划与管理] 082302[工学-交通信息工程及控制] 0823[工学-交通运输工程] 

主      题：高速公路交通状态估计 宏观交通流模型 扩展卡尔曼滤波 交通流模型参数在线估计 浮动车占比估计 数据融合 实证分析 

摘      要：实时准确的交通状态估计是高速公路智能交通管控的基础。车联网技术的发展为交通状态估计提供了崭新机遇。预计未来几十年固定和移动交通检测数据将并存使用。本论文着重研究基于混合检测数据的高速公路交通状态估计,并提出几种适用于任意路网结构、可观固定检测器配置和浮动车占比的交通状态估计通用方法,能以较高时空精度同时估计交通流变量、交通流模型参数和浮动车占比。首先,论文分别基于一阶CTM模型、二阶METANET模型提出两种面向混合检测数据的高速公路交通状态估计通用方法,并借助随机游走方程实现了交通状态和模型参数联合在线估计,利用NGSIM真实轨迹数据评估上述估计方法的性能及其对浮动车占比的敏感性。其次,之前工作已证实,模型参数在线估计对单纯固定检测数据驱动的交通状态估计具有重要意义。在混合检测条件下,几乎还未有人研究过模型参数在线估计。因此,论文提出几个重要研究问题:(1)在混合检测条件下模型参数在线估计对交通状态估计而言是否仍必不可少?(2)浮动车占比上升是否会降低交通状态估计对模型参数在线估计的依赖性?(3)浮动车占比上升是否会提高交通状态估计器性能?(4)浮动车占比上升是否会弥补一阶模型估计方法(相较于二阶模型方法)的不充分性?再次,论文分别基于速度一致性假设和浮动车占比动态建模,提出两种不依赖于模型参数在线估计的高速公路交通状态估计通用方法,同样利用NGSIM真实轨迹数据评估相关方法的性能及其对浮动车占比的敏感性。最后,考虑到NGSIM数据在相关路段长度和时域跨度上的固有缺欠,论文依托一个高精度微观交通仿真平台进一步验证上述四种交通状态估计方法的有效性。论文得出以下结论:(1)基于混合检测数据,模型参数在线估计对交通状态估计仍不可或缺;(2)但随浮动车占比的上升,交通状态估计对模型参数在线估计的依赖性减弱;(3)浮动车占比的上升会显著提高估计器性能;(4)随着浮动车占比的上升,原始模型差异对交通状态估计的影响减弱。另外,针对不同浮动车占比范围,论文给出了交通状态估计方法的选择建议。论文主要创新点和贡献如下:(1)提出了四种基于混合检测数据实现高速公路交通状态估计的通用方法;(2)提出了一种能够准确有效估计浮动车占比的通用方法;(3)揭示了浮动车占比上升能够降低交通状态估计对模型参数在线估计的依赖性;(4)证实了混合检测数据驱动的交通状态估计器性能随浮动车占比上升而提升;(5)揭示了浮动车占比上升对交通状态估计所涉及的模型差异的补偿效应。