1、隨著我國(guó)經(jīng)濟(jì)、社會(huì)的迅速發(fā)展、居民收入的提高、城市化進(jìn)程的加快，城市交通擁堵日益嚴(yán)重。交通擁堵使居民出行的經(jīng)濟(jì)和時(shí)間成本增加，不確定因素增多，駕駛體驗(yàn)降低，油氣資源大量浪費(fèi)，局部環(huán)境污染問(wèn)題加劇等等。
　　交通系統(tǒng)是以人類(lèi)活動(dòng)為中心的復(fù)雜系統(tǒng)，它既受到內(nèi)在的交通流分布、交通參數(shù)動(dòng)態(tài)關(guān)系的影響，又受到外在的政策、出行需求、天氣等廣泛因素的影響;既受制于路況等客觀因素，又受制于出行需求、駕駛習(xí)慣等主觀行為;既包括流量、密度、速度等可觀

2、量，又包括出行路徑選擇、車(chē)型動(dòng)態(tài)組合等難以精確測(cè)算的不可知因素。
　　交通系統(tǒng)是非線性系統(tǒng)，一個(gè)細(xì)微的參數(shù)波動(dòng)都可能帶來(lái)“蝴蝶效應(yīng)”，具有強(qiáng)不確定性。因此，許多現(xiàn)象無(wú)法用確定性分析方法來(lái)研究，而應(yīng)該引入不確定分析方法。它又是一個(gè)動(dòng)態(tài)開(kāi)放系統(tǒng)，與模型無(wú)法完全覆蓋的外部世界聯(lián)系緊密，存在系統(tǒng)局部之間、內(nèi)部與外部之間的關(guān)聯(lián)互動(dòng)，離線、固化、基于特定模式的方法不能適應(yīng)交通運(yùn)行的快速變化，需要選用更具魯棒性的在線分析算法。根據(jù)工況變化，不斷

3、刷新模型及參數(shù)，傳統(tǒng)仿真框架的封閉性并不適合對(duì)在線分析算法的研究。
　　針對(duì)交通系統(tǒng)的上述特點(diǎn)，本文將不確定性處理技術(shù)和軌跡信息挖掘的在線分析技術(shù)融入交通擁堵時(shí)空分布特征的分析研究。并在此基礎(chǔ)上構(gòu)建在線緩堵控制框架，通過(guò)融合數(shù)理統(tǒng)計(jì)與模型仿真方法，開(kāi)辟解決城市交通緩堵這一難題的新途徑。為了支撐上述研究，本文自主構(gòu)建了開(kāi)放架構(gòu)的全新交通仿真平臺(tái)，以適應(yīng)計(jì)及不確定因素的交通仿真分析及模型的擴(kuò)展需求。為此，開(kāi)展了如下具體的研究工作:

4、r>　　1.構(gòu)建了交通參數(shù)時(shí)間響應(yīng)軌跡的多尺度分析方法:針對(duì)非平穩(wěn)交通流參數(shù)影響相關(guān)性分析、制約預(yù)測(cè)精度提高的問(wèn)題，提出了2個(gè)將交通參數(shù)信號(hào)分解為趨勢(shì)和細(xì)節(jié)分量的方法，用于在不同的場(chǎng)景下解決上述問(wèn)題:一是利用小波分解法將單個(gè)交通參數(shù)信號(hào)分解為趨勢(shì)和細(xì)節(jié)分量，二是利用多項(xiàng)式擬合及其智能分段算法實(shí)現(xiàn)多個(gè)關(guān)聯(lián)交通信號(hào)的逐段分解。上述方法提高了信號(hào)平穩(wěn)性，避免特定時(shí)間尺度的信號(hào)受其它尺度的干擾，實(shí)現(xiàn)交通信號(hào)的在線多尺度分析。
　　2.構(gòu)建

5、了計(jì)及不確定性因素的在線預(yù)測(cè)算法:借助平穩(wěn)的趨勢(shì)分量并在其上應(yīng)用ARMA算法實(shí)現(xiàn)單個(gè)典型趨勢(shì)的預(yù)測(cè)，在此基礎(chǔ)上考慮不確定因素影響，采用蒙特卡羅方法抽取趨勢(shì)不穩(wěn)定段上、下探細(xì)節(jié)波的隨機(jī)組合，構(gòu)建包含多條預(yù)測(cè)線的可能趨勢(shì)集，形成預(yù)測(cè)值區(qū)間，并與實(shí)測(cè)值和確定性趨勢(shì)預(yù)測(cè)方法比較，驗(yàn)證了方法的有效性。
　　3.構(gòu)建了計(jì)及時(shí)間、空間相關(guān)性及不確定性的擁堵判別指標(biāo)及方法:基于交通參數(shù)軌跡構(gòu)建了擁堵判別指標(biāo)，和可應(yīng)用于概率預(yù)測(cè)結(jié)果的擁堵概率判別指

6、標(biāo);闡述了交通流在網(wǎng)絡(luò)擁堵中的時(shí)空分布特性，并建立了擴(kuò)展相關(guān)性指標(biāo)及算法，使交通流的時(shí)空相關(guān)性可被詳細(xì)分析，提出考慮相關(guān)性的擁堵判別方法，可用于相鄰道路的在線擁堵預(yù)警;提出了區(qū)域相關(guān)性集聚度指標(biāo)及擁堵關(guān)聯(lián)區(qū)域判別方法，將目標(biāo)路網(wǎng)分割為少數(shù)幾個(gè)交通狀態(tài)相對(duì)獨(dú)立的區(qū)域，實(shí)現(xiàn)具有參數(shù)相關(guān)性的路段或區(qū)域的聚類(lèi)，有利于縮小復(fù)雜路網(wǎng)交通控制研究的問(wèn)題規(guī)模。
　　4.構(gòu)建了動(dòng)態(tài)交通分配模型的在線參數(shù)估計(jì)方法:在根據(jù)區(qū)域相關(guān)性集聚度劃分的多個(gè)網(wǎng)絡(luò)

7、分區(qū)上，建立了用于動(dòng)態(tài)交通分配模型參數(shù)估計(jì)的迭代搜索算法，通過(guò)動(dòng)態(tài)O-D參數(shù)的攝動(dòng)逐步降低各區(qū)主導(dǎo)道路的仿真與實(shí)測(cè)結(jié)果的誤差，產(chǎn)生與交通規(guī)律相符合的動(dòng)態(tài)交通分配模型。
　　5.提出了計(jì)及參數(shù)預(yù)測(cè)不確定性的緩堵誘導(dǎo)優(yōu)化策略的生成框架:建立了系統(tǒng)最優(yōu)的誘導(dǎo)優(yōu)化目標(biāo)和開(kāi)環(huán)交通仿真模型，以概率預(yù)測(cè)數(shù)據(jù)作為邊界條件，來(lái)約束仿真參數(shù)的動(dòng)態(tài)變化;基于目標(biāo)函數(shù)變化量關(guān)于誘導(dǎo)策略攝動(dòng)量的靈敏度構(gòu)建了緩堵誘導(dǎo)措施的智能優(yōu)化算法，在道路速度預(yù)測(cè)值區(qū)間內(nèi)

8、攝動(dòng)未來(lái)路況的誘導(dǎo)值，并推導(dǎo)出道路速度的變化量，利用擁堵概率閾值作為優(yōu)化約束條件篩選出可行解。算例表明，基于該算法自動(dòng)搜索到的結(jié)果與實(shí)際緩堵經(jīng)驗(yàn)相吻合。
　　6.構(gòu)建了滿(mǎn)足動(dòng)態(tài)性、交互性、開(kāi)放性和可擴(kuò)展性要求的交通擁堵動(dòng)態(tài)仿真平臺(tái):將圍繞交通擁堵的分析、判別、預(yù)測(cè)、誘導(dǎo)控制優(yōu)化等技術(shù)通過(guò)先進(jìn)軟件技術(shù)整合為一體，設(shè)計(jì)仿真組件，實(shí)現(xiàn)對(duì)道路交通擁堵與誘導(dǎo)的仿真模擬;并集成GIS及數(shù)據(jù)庫(kù)系統(tǒng)，成功實(shí)現(xiàn)交通類(lèi)采集、分析、決策支持?jǐn)?shù)據(jù)的存儲(chǔ)、