基于可能性理论的交通拥挤判别与预测方法研究

交通拥挤判别是智能交通系统重要研究内容，许多交通信息服务都基于交通拥挤判别结果。城市交通流是涉及人、车、路等的复杂系统，城市道路交通拥挤自动判别始终是智能交通系统的难题。由于交通流的复杂性，很难采集到交通流的完整信息，只能检测主要交通流参数，各种交通拥挤判别方法如交通流理论、统计分析、人工智能等，都不能完全准确的交通拥挤判别，判别结果存在一定的不确定性，对这种不确定性还没有相关的研究。在现有的交通拥挤判别研究中，通常不考虑交通流参数的随机分布特性，以参数平均值进行分析，不能充分利用采集的交通流信息。本项目拟对交通流检测器采集的交通流参数进行随机过程分析，利用交通流参数的随机分布进行交通拥挤判别和最优路径分析，提高交通流信息利用率和判别结果的准确率；利用可能性理论对基于不完整信息的道路交通拥挤状态判别结果的不确定性进行定量分析，为城市道路交通拥挤判别提供新的研究思路。

交通拥挤判别是智能交通系统重要研究内容，许多交通信息服务都基于交通拥挤判别结果。本项目利用多种智能计算方法对交通流数据质量分析、交通流参数选择、交通流预测、交通拥挤判别进行了分析，针对越来越大的数据规模，本项目利用分布式计算技术，实现了特征提取、交通流预测和交通拥挤判别的并行计算方法，提高了交通流预测和交通拥挤判别的正确率和效率。针对交通状态的不确定性，本项目利用统计概率分析方法对交通流参数的随机特性进行了分析，根据交通流参数的随机概率分布构建交通拥挤状态的可能性分布，实现交通拥挤判别的可能性分析，并分析了基于随机行程时间的最短路径，使得分析的结果更符合实际情况。