交通流数据清洗与状态辨识及优化控制关键理论方法

　　近年来，随着智能运输系统（IntelligentTransportationSystems，简称ITS）的蓬勃发展，智能交通控制、动态的交通流状态辨识以及实时交通流诱导成为ITS研究的热门课题。交通流状态辨识是ITS，尤其是其先进的交通管理系统和出行者信息系统研究的一个重要内容。对道路交通流状态进行分析研究，及时、准确地辨识交通异常，是制定正确诱导和控制措施的一个重要前提。基于交通流状态辨识理论的交通事件管理系统已经在国外很多国家得到了广泛应用，而我国对于交通流状态辨识技术的研究和应用尚处于初步阶段。道路交通流数据质量的优劣必将对交通流状态辨识及后续应用产生影响。当采集到的道路交通流数据源源不断地传输到交通管理中心后，中心会对数据加以相应的处理和应用，如集成、抽样、压缩、存储、发布等。但是，由于环境因素的变化、交通流采集设备的间歇性工作故障以及传输设备故障等原因，采集到的道路交通流数据不可避免地存在着某些质量问题。若直接将有质量问题的数据应用到交通流状态辨识及后续应用，必将给辨识或应用结果带来不稳定和不安全隐患，因此，为获得高效、精益化交通流数据，数据清洗显得尤为重要。从世界范围看，随着ITS的实施，在特定的道路条件下，根据实时交通流的变化，把先进的数理统计理论、数据挖掘技术、智能信息处理技术、人工智能技术、数据融合技术与交通流理论相结合，对事件管理系统依据交通流状态辨识理论，按照动态交通管理的基本思想进行扩充和改造是ITS未来的发展方向之一。《交通流数据清洗与状态辨识及优化控制关键理论方法》以我国ITS框架为依据，结合我国高速公路道路交通基础设施现状和未来发展的需要，对我国的交通流状态辨识框架及其关键理论和方法进行了研究。《交通流数据清洗与状态辨识及优化控制关键理论方法》的主要内容分为三部分：第一部分为概述，主要叙述了《交通流数据清洗与状态辨识及优化控制关键理论方法》的研究背景、研究目的和意义，设计了交通流状态辨识系统框架；第二部分主要阐述了交通流数据清洗的关键理论及方法；第三部分研究了交通流状态辨识理论及方法。

　　王晓原，博士，教授。1970年出生，山东莱州人。1992年毕业于山东师范大学数学系基础数学专业，获理学学士学位；1997年毕业于山东师范大学数学系应用数学专业，获理学硕士学位：2003年毕业于吉林大学交通学院交通运输规划与管理专业，获工学博士学位。现任山东省道路智能控制与运输安全工程技术研究中心智能交通研究所所长，交通运输规划与管理、交通信息工程及控制专业研究生导师，淄博市第九届、十届政协委员，山东省委统战部党外知识分子联络员。 主要从事交通运输规划与管理、交通信息工程及控制、系统辨识、仿真优化及控制和应用数学等领域的研究和教学。参与承担并完成国家自然科学基金项目“数学规划鞍点理论的研究”、“交通网络分布式并行微观模拟算法研究及实现”、机械工业部高校跨世纪优秀人才专项基金项目“信号控制下的城市主干道交通流模拟模型研究”以及其他国家级课题多项：主持山东省自然科学基金项目“基于综合认知活动的驾驶员行为建模及仿真”、山东省社会科学规划研究项目“智能运输系统社会经济影响评价模型与方法”以及其他社会服务工程性课题2Q余项。目前，承担国家自然科学基金课题”基于行驶环境和操作序贯链的汽车驾驶意图辨识方法研究”的部分研究工作。发表学术论文96篇，其中核心及以上69篇，EI/ISTP/CSSCI检索33篇。

前言
1 绪论
1.1 ITS发展背景
1.2 国内外ITS研究历史与发展现状
1.2.1 国外ITS研究历史与发展现状
1.2.2 我国ITS研究历史与发展现状
1.2.3 ITS主要功能子系统
1.3 交通流数据清洗与状态辨识及优化控制概述
1.4 本书主要内容
参考文献
第一篇 交通流数据清洗关键理论及方法
　2 交通流数据清洗概述
　 2.1 研究背景
　 2.2 研究的必要性及数据清洗
　 2.2.1 必要性
　 2.2.2 交通流数据清洗的主要内容
　 2.3 国内外相关研究状况
　 2.3.1 数据清洗研究状况
　 2.3.2 交通流数据清洗研究状况
　 2.4 本篇主要研究内容
　 2.5 本章小结
　 参考文献
　3 交通流丢失数据补齐算法
　 3.1 丢失数据的分析
　 3.2 基于粗集理论的交通流丢失数据补齐算法
　 3.2.1 粗集理论
　 3.2.2 ROUSTIDA算法流程
　 3.2.3 模型应用与结果分析
　 3.2.4 结论
　 3.3 基于最小二乘支持向量机的交通流丢失数据补齐算法
　 3.3.1 支持向量机和最小二乘支持向量机的原理
　 3.3.2 交通流丢失数据补齐模型及仿真
　 3.3.3 结论
　 3.4 本章小结
　 参考文献
　4 交通流错误数据判别和修正算法
　 4.1 错误数据判别模型
　 4.1.1 孤立点检测算法
　 4.1.2 边界检测算法
　 4.1.3 阈值理论与交通流理论的组合检测算法
　 4.2 错误数据修正模型
　 4.2.1 灰色GM(1，1)模型
　 4.2.2 错误数据修正模型
　 4.3 应用实例
　 4.3.1 数据来源
　 4.3.2 算法流程
　 4.3.3 模型应用
　 4.3.4 结果分析
　 4.4 结论
　 4.5 本章小结
　 参考文献
　5 交通流冗余数据约简算法
　 5.1 冗余数据识别和约简方法
　 5.1.1 基于等级分组法的冗余数据识别方法
　 5.1.2 冗余数据的约简方法
　 5.2 应用实例
　 5.2.1 数据来源
　 5.2.2 算法流程
　 5.2.3 模型应用
　 5.2.4 结果分析
　 5.3 结论
　 5.4 本章小结
　 参考文献
　6 本篇内容总结及其展望
　 6.1 总结
　 6.2 未来的研究方向
第二篇 交通流状态辨识关键理论及方法
　7 交通流状态辨识系统框架
　 7.1 交通流状态辨识系统框架结构
　 7.2 系统框架的主要组成部分
　 7.2.1 交通状态判别子系统
　 7.2.2 动态交通信息采集子系统
　 7.2.3 交通流数据清洗子系统
　 7.2.4 交通流控制子系统
　 7.2.5 调度子系统
　 7.2.6 交通信息发布子系统
　 7.2.7 事件数据管理子系统
　 7.2.8 通信子系统
　 7.3 本篇主要研究内容与方法
　 7.4 本章小结
　 参考文献
　8 交通流状态预辨识方法
　 8.1 交通流预测方法简介
　 8.1.1 基于统计理论的模型
　 8.1.2 基于非线性预测理论的模型
　 8.1.3 基于神经网络理论的模型
　 8.1.4 基于动态分配理论的模型
　 8.1.5 基于微观交通仿真的模型
　 8.2 基于非参数回归样条的交通流短时预测方法
　 8.2.1 非参数回归
　 8.2.2 非参数回归样条拟合方法
　 8.2.3 非参数回归样条拟合方法在交通流短时预测中的应用
　 8.3 基于投影寻踪自回归的短时交通流预测方法
　 8.3.1 投影寻踪技术
　 8.3.2 PP自回归模型[PPAR(k)]
　 8.3.3 交通流PPAR回归预测
　 8.3.4 结论
　 8.4 本章小结
　 参考文献
　9 交通流量变检测方法
　 9.1 概述
　 9.2 指数分布概率变点模型研究
　 9.2.1 指数分布参数的变点
　 9.2.2 均值变点搜索方法
　 9.2.3 模型应用与结果分析
　 9.3 二项分布概率变点模型研究
　 9.3.1 累次计数法
　 9.3.2 模型应用与结果分析
　 9.4 本章小结
　 参考文献
　10 交通流质变检测方法
　 10.1 交通事件检测方法简介
　 10.1.1 交通事件
　 10.1.2 主要事件检测算法及评价指标
　 10.2 交通流突变分析的变点统计方法
　 10.2.1 概述
　 10.2.2 交通流突变分析的最小二乘法
　 10.2.3 交通流突变分析的局部比较法
　 10.3 基于多分辨分析的交通事件自动检测方法
　 10.3.1 多分辨分析Mallat算法
　 10.3.2 小波滤波器及Mallat算法的具体实现
　 10.3.3 多分辨分析在交通事件自动检测中的应用
　 10.4 本章小结
　 参考文献
　11 信息融合技术在交通流状态实时辨识中的应用
　 11.1 信息融合及交通信息融合简介
　 11.1.1 信息融合
　 11.1.2 信息融合的层次级别
　 11.1.3 信息融合方法
　 11.2 基于支持向量机的交通信息融合方法研究
　 11.2.1 支持向量机简介
　 11.2.2 基于SVM的信息融合方法在交通流状态实时辨识中的应用
　 11.2.3 结论
　 11.3 基于遗传算法的交通信息模糊融合方法
　 11.3.1 模糊控制和遗传算法
　 11.3.2 基于遗传算法的信息模糊融合方法在交通流状态实时辨识中的应用
　 11.4 本章小结
　 参考文献
　12 本篇内容总结及其展望
第三篇 交通流优化控制关键理论及方法
　13 交通流优化控制
　 13.1 研究的背景和意义
　 13.2 DTA问题
　 13.2.1 国外研究现状
　 13.2.2 我国研究现状
　 13.3 最短路径问题
　 13.4 本篇主要内容
　 参考文献
　14 蚁群算法概述
　 14.1 算法的基本理论
　 14.1.1 基本原理
　 14.1.2 基本模型
　 14.1.3 理论基础
　 14.1.4 算法框架
　 14.1.5 算法的特点
　 14.2 算法的研究进展
　 14.2.1 理论研究
　 14.2.2 应用研究
　 14.2.3 我国研究情况
　 14.3 本章小结
　 参考文献
　15 基于自适应蚁群算法的交通网络中最短路径搜索方法
　 15.1 交通网络中最短路径问题
　 15.1.1 交通网络的表示
　 15.1.2 最短路径问题的描述
　 15.2 用自适应蚁群算法求解交通网络中最短路径问题
　 15.2.1 寻优思路
　 15.2.2 算法设计
　 15.2.3 算法的具体实现步骤
　 15.2.4 算法流程图
　 15.3 仿真实验
　 15.4 本章小结
　 参考文献
　16 基于混沌蚁群算法的动态用户最优配流方法
　 16.1 基本问题
　 16.1.1 交通分配理论概述
　 16.1.2 DTA特征
　 16.1.3 动态交通网络配流原则
　 16.1.4 动态交通网络约束条件
　 16.2 离散型动态用户最优配流模型
　 16.3 DTA方法
　 16.3.1 混沌蚁群算法
　 16.3.2 用CACO求解离散型动态用户最优配流问题
　 16.4 仿真实验
　 16.5 本章小结
　 参考文献
　17 本篇内容总结及其展望
　 17.1 总结
　 17.2 研究展望
附录
　附录A 王晓原主持的科研项目
　附录B 作者的代表性论著