本文是一篇城市交通毕业论文，笔者认为该论文主要研究城市道路系统间的公众出行以及客货输送等方面内容，今天无忧网为大家推荐一篇城市交通论文，供大家参考。
城市交通论文2018年精选范文一：大型公共场所行人交通状态评价及其应急疏散方法研究
第1章绪论
1.1研究背景
随着社会经济的持续快速发展，我国城市现代化、智能化水平明显有所提升，当前城市先进的道路交通设施使得人们的交通出行特征、交通出行条件发生显著改变，比如人们的交通出行次数、交通出行时长都有所增长，同时我国很多城市人口密度较大，居民快速聚集的几率大大提高。
步行作为一种无需辅助工具参与的“绿色”出行方式通常不会造成任何形式的污染，有助于城市的可持续发展。另外，步行作为生活方式的一个方面，可以起到加强社会活动的作用，优越的步行条件能够创造一个和谐的交往氛围，能够促进繁荣的城市商业、文化、娱乐生活，从而可为构建宜居城市奠定基础。
对于道路交通管理方面的研究，以往大家给予车辆交通问题给予更多重视，行人交通问题往往却被忽略。近几年来，随着我国各地大型公共设施（如步行街、体育场、电影院、展览馆等）纷纷落成以及各种大型活动（如演唱会、足球赛、签售会等）举办，行人交通监控、管理、疏散等方面的研究开始成为热点领域。在人们日常生活中，交通高峰时段往往容易出现严重的车辆拥堵现象。与此相似，在购物中心、人行横道、地下通道、火车站、地铁站、步行街等地点，经常看到行人交通拥堵，行人交通拥堵也会造成人们出行延误，而且当行人密度过大时，行人交通拥堵容易形成重大安全事故。
在大型公共场所中，重大安全事故往往是由人群聚集所引起，人群密度越大，即行人拥挤程度越高，事故发生的几率越大，同时所产生的行人伤亡、财产损失一般也更加严重。在世界著名的伊斯兰教圣地麦加的朝圣过程中，经常发生因为人群拥挤发生恶性踩踏事件。例如1998年由于拥挤死亡的人数为107，2006年发生的行人踩踏事件导致多360人死亡、1000多人受伤；2004年，在北京密云举办的迎春灯展活动中，因为拥挤造成37人死亡；印度2005年发生的灾民踩踏事件导致至少40多人死亡，50多人受伤；2006年，江西省都昌县土塘中学发生一起学生拥挤导致的严重安全事件，事件导致6人死亡，近40人受伤；2007年，重庆家乐福发生的消费者踩踏事件导致3人死亡，30多人受伤。
为了解决大型公共场所的行人交通流拥挤问题，从而提高大型公共场所生产生活的安全水平，降低安全事故发生的几率，在对建筑设施进行合理设计、布局、施工的同时，应制定科学、有效的行人安全管理措施，以便针对行人交通流完成有效监控、救援、疏导等工作。研究大型公共场所的行人交通数据特性，据此设计行人交通状态的评价方法以及行人交通应急疏散模型可以作为开展行人交通监控、救援、疏导等工作的基础。为此，本文将利用行人交通自动检测数据设计有效的方法、算法及模型，实现行人交通事件自动报警、行人交通拥堵状态自动预警、行人交通应急疏散等功能。
1.2研究现状
国外针对行人交通流开展的研究源自于上个世纪50年代，早期的研究通常采用实际观察、摄像的方式进行行人交通流的直观评价。
胡清梅针对行人交通流特性进行了研究，主要开展了两方面的分析，即微观分析与宏观分析。
May主要研究了行人的行为特征，例如行人之间的交互问题，但取得的研究成果仅仅局限于探讨阶段。
Fruin开展了宏观行人交通流特征分析。重点研究了公共场所行人占用空间的合理分配问题，但未考虑行人之间的交互机理，所以此方法难以准确预测在配有公共建筑（如凉亭，桌椅，喷水池等）的行人聚集地点或者建筑设施当中行人的行为特征。相比之下，微观行人交通流的特征分析是将行人个体当作一个研究目标，研究行人之间的交互问题，研究成果可为建筑设施合理分布奠定基础。
Helbing应用实例分析说明了行人之间交互对行人移动产生的重要影响，并通过微观行人交通流特征仿真技术，评价大型公共场所行人交互对行人交通流移动特征产生的影响。
Helbing采用动力学方法设计了一种社会力模型，分析行人行走社会性，而且可以模拟行人交通流的自组织机理。另外，作者采用社会力模型，同时结合实验对行人交通流自组织现象以及行人疏散交通流进行了深入研究。
Blue采用元胞自动机技术研究行人交通流的运行机理，分别进行了行人交通流单向、双向、多向等情况的仿真研究，据此针对各种仿真环境获得了速度、密度、通行能力等行人交通流参数以及流量密度、速度密度等行人交通流不同参数之间的关系曲线。Blue设计行人交通流元胞自动机模型成为行人交通流仿真研究成果当中最经典的元胞自动机模型。
第章行人交通特分析与状态分类
2.1实验环境与数据来源
本文视频检测器所能提供的行人交通参数包括行人流量、区域人数、行人密度及行人速度。行人流量是指在预设时间间隔内按照一定方向穿过检测截面的行人数量；区域人数是指在预设时间间隔最后一秒监测区域内的瞬时行人数量；行人密度是指单位面积的区域人数；行人速度是指在预设时间间隔内监测区域所有运动像素的平均速度。
为了能对行人流量、区域人数、行人密度及行人速度4个基本参数进行必要的筛选，以便设计更加有效的行人交通状态评价方法，本文先对行人交通各个参数数据的基本特征进行分析。以监控地点为18例，其行人交通各参数数据的时间序列特征如图2.2、图2.3、图2.4及图2.5所示。
由图可以看出：
1）行人流量、行人密度及区域人数数据的趋势性较强，具有明显的高峰与低谷时段；
2）行人速度数据的趋势性不够明显；
3）区域人数与行人密度数据的趋势性基本一致，只是变化幅度不同。经过分析可知，试验区内各地点、各日期的数据时间序列有与图2.2、图2.3、图2.4及图2.5类似的趋势，所以本文将以行人流量、区域人数或行人密度为基础开展相关研究。
2.2行人交通数据时间序列特性分析
根据时间组织方式不同，本文将行人交通数据的时间序列分为两类，即横向时间序列及纵向时间序列。横向时间序列是指按照一天当中的时间先后顺序排列形成的行人交通数据序列；纵向时间序列是指按照时间先后顺序排列的特定日期同一时段的行人交通数据序列。
上述两类行人交通数据时间序列的关系如图所示。其中，图2.6是流量数据横纵时间序列示意图，图2.7是区域人数数据横纵时间序列示意图。
在通常的情况下，特定空间位置的行人交通数据时间序列具有长期趋势性、短期现势性及随机波动性。
第3章行人交通数据预处理方法研究··················22
3.1丢失数据处理··················22
3.2错误数据处理··············25
3.3时间序列滤波···············28
第4章行人交通事件自动检测算法研究············34
4.1行人交通事件自动检测基本原理·········34
第5章行人交通拥堵自动检测与预测方法研究················45
5.1行人交通拥堵自动报警方法·······45
5.1.1行人交通拥堵自动检测算法·············45
第6章行人交通应急疏散方法路径预案研究
行人交通事件或行人交通拥堵的产生非常容易形成人群的聚集，此时，人群当中存在极大的危险因素。如果任凭事态发展下去，或者如果引起其它事件发生，如行人碰撞、推搡、摔倒等，则很容易形成严重的行人安全事故，从而造成人员伤亡以及财产损失。因此，科学的行人交通应急疏散机制可以引导行人迅速离开事发地点，或者避免盲目进入事发区域，保障交通事件或行人交通拥堵影响范围快速缩小，最终得以妥善解决。
本文将通过构建行人安全疏散标准、行人疏散影响因素，并充分考虑各种大型公共场所行人交通应急疏散的特点，建立行人交通应急疏散模型，据此在发生交通事件或行人交通拥堵的情况下，能够保障行人交通安全。
6.1行人安全疏散基本原则
行人交通疏散是指当行人交通事件或行人交通拥堵已经发生或即将发生时，在严重程度尚未达到危害人身安全或财产损失前，能将行人顺利分散或转移到达安全区域的行动。行人交通应急疏散过程可分为自动报警、确认信息、行动准备、疏散过程、疏散完成等几个环节。
在研究行人交通应急疏散方案的过程中，本文主要考虑两方面的基本原则，即安全疏散必要时间与安全疏散有效时间。安全疏散必要时间是指在行人交通事件或行人交通拥堵信息得到确认后，行人安全疏散行动准备、疏
