1.1目的

随着经济水平的提高和人们出行方式的改变，我国机动车的保有量迅猛增长，城市交通的拥堵问题变得日益严重。缓解交通拥堵问题需要改善城市道路交叉口信号控制系统而短时交通流预测就是其中至关重要的一个环节，短时交通流预测的数据来源有三种：历史模板数据、上周期数据以及上游交叉口数据。而要同时满足预测的实时性与精确度，上游交叉口的流量数据最为可靠，因此研究路段车队离散规律十分有必要。而传统的车队离散模型参数估计是基于历史数据，当交通流变化较大的时候，静态车队离散模型不能很好地体现交通流的动态变化特征，考虑到大数据环境下车辆的行程时间数据易于获得，基于此可对 Robertson 模型的相关参数进行实时动态估计建立动态 Robertson 车队流量离散模型。

本文旨在：

1）分析车队离散模型影响因素的作用机理，为道路网优化设计提供参考。

2）通过建立动态的车队离散预测模型，研究交叉口的车流运行和到达规律，提高交叉口车辆到达预测的精度，为交通信号控制提供理论基础。

1.2意义

多年以来，大多数城市道路的交通拥堵问题一直困扰着人们，一定程度上已经成为制约经济、社会稳定发展的“瓶颈”，从宏观角度看，迅速增长的交通需求与有限的交通供给之间的矛盾是导致交通拥堵的内在原因；从微观角度看，交通管理控制水平不高，不能合理有效地疏导交通流是导致交通拥堵的直接原因。实时准确高效的交通流预测是实现交通流诱导和交通控制的关键技术之一，传统的基于历史数据的车队离散模型对目前的变化区间大的异质流交通流预测精度明显不够而随着大数据的蓬勃发展，动态车队离散模型的应用成为了可能。

因此，本文研究大数据环境下的动态车队离散模型及其有关特征，并分析车队到达分布规律，进行短时交通流预测进而改善城市道路交叉口信号控制系统，提高交叉口通行效率。

所以，本文的研究意义可以体现在以下

1）分析车队离散模型影响因素的作用机理并在后期仿真时选择特定因素加权来对比预测结果，为道路优化设计提供参考。