潮汐交通是诸多城市常见的一种交通现象,潮汐交通流向不均衡现象容易造成一侧交通拥堵、道路资源不足,另一侧交通流量稀疏、道路资源利用率不高的问题,因此可变车道控制可为缓解潮汐交通拥堵现象提供合理的应对措施,提高道路时空资源利用率。本文基于上述问题,首先针对交通流预测问题展开研究,考虑到现有短时交通流预测方法在交通流时空特性方面研究不足,导致预测精度不高,提出了皮尔逊-动态时间弯曲距离(Pearson-Dynamic Time Warping Distance,PD)-图卷积神经网络(Graph Convolutional Neural Network,GCN)-长短期记忆网络(Long Short Term Memory Network,LSTM)短时交通流预测模型;在此基础上,建立了基于短时交通流预测的可变车道控制模型,结合可变车道清空时间和上下游交叉口信号控制策略确定可变车道的最佳切换时机,达到可变车道快速清空的目的。本文主要研究内容如下:(1)基于交通流时间序列的时空相关性分析方法针对交通流时间序列的变化趋势和距离特性均需要定量分析的问题,提出采用PD距离衡量交通流时间序列的时空关联度、皮尔逊相关系数对交通流时间序列进行趋势定量分析、动态时间弯曲距离对其进行距离定量分析的综合关联分析方法。(2)基于时空相关性的短时交通流预测模型。基于交通流时间序列时空相关性的分析结果,设定PD距离的阈值,实现路网中关联路段的筛选,进一步构造时空相关路段集,建立了PD-GCN-LSTM交通流预测模型;最后对道路网中选取的一个目标路段进行交通流预测实例分析,通过对比LSTM模型、GCN模型、PD-LSTM模型、PD-GCN模型、GCN-LSTM模型和PD-GCN-LSTM模型的预测结果,说明提出的PD-GCN-LSTM交通流预测模型的有效性。(3)清空可变车道与上下游路口信号配时的协调优化方法。针对可变车道功能的转换条件,构建了基于短时交通流预测的可变车道控制模型,在此基础上,研究在不同状态下的可变车道分段清空时间和上下游信号控制策略,建立了可变车道清空与上下游路口信号配时的协调控制模型,以获取可变车道功能切换的最佳时机。