基于数据挖掘和数据融合的短时交通流预测研究

基于数据挖掘和数据融合的短时交通流预测研究

论文摘要

实时、准确的短时交通流预测是智能交通控制与管理的基础。基于单一时间维度时间序列的预测方法难以解决短时交通流高度复杂性、随机性和不确定性的问题,预测效果并不令人满意。交通流的状态转换不仅仅是时间维度时间序列的一维性,空间分布状态的变化对交通流也起了相当大的影响。因而,更为精确的短时交通流预测,需要采用空间维度的预测值对时间维度时间序列的预测结果进行修正。本文从短时交通流特性出发,针对实际交通流具有时间维度时间序列性和空间维度空间相关性,提出了基于时空二维融合的短时交通流预测方法。在时间维度上短时交通流表现出强烈的非线性、时变性和不确定性,普通的预测方法很难达到预测精度的要求,因此,本文提出将交通流数据利用小波变换先进行“频率”分解和单支重构,得到相应的高频分量和低频分量,得到的分量相对成分简单、信号变化较为平稳。对各分量采用不同的预测方法进行预测,由高频分量有较强的非线性而BP神经网络具有很强的非线性逼近能力,故用BP神经网络预测高频分量;低频分量呈现较有规律的函数曲线,故用二次指数平滑预测。将各分量预测结果矢量相加求和,即可得到综合预测结果。在空间维度上,交通流瞬时状态下的空间分布具有相关性,同向交通流的瞬时输出和其空间相关路段的交通流量相关,针对这种不确定的非线性关系,本文用RBF神经网络来进行空间维度的短时交通流预测。最后,利用信息融合技术能合理协调多源数据,充分综合有用信息,在较短的时间内、以较小的代价、得到使用单个传感器所不能得到的数据特征的优点,将基于时间维度时间序列的预测结果和空间维度空间相关性的预测结果进行实时最优权重融合,得到预测精度更高的总体短时交通流预测结果。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 我国城市公路交通中存在的典型问题
  • 1.2 短时交通流量预测研究的背景和意义
  • 1.3 短时交通流量预测研究现状及存在的问题
  • 1.4 本论文的研究意义
  • 1.5 主要研究内容
  • 第二章 交通流特性分析及短时交通流预测方法
  • 2.1 交通流概念及交通流的特性
  • 2.2 短时交通流预测方法
  • 2.3 短时交通流时空二维融合的预测方法
  • 2.4 预测性能指标
  • 2.5 本章小结
  • 第三章 基于小波变换、神经网络、二次指数平滑的短时交通流预测
  • 3.1 小波分解与重构的理论基础
  • 3.1.1 小波变换的定义
  • 3.1.2 多尺度(多分辨)分析
  • 3.1.3 Mallat 算法
  • 3.2 短时交通流数据分解与重构
  • 3.3 神经网络预测模型
  • 3.3.1 BP 神经网络结构
  • 3.3.2 BP 神经网络算法
  • 3.4 二次指数平滑理论
  • 3.4.1 二次指数平滑预测模型
  • 3.5 基于小波变换、神经网络、二次指数平滑的短时交通流预测
  • 3.5.1 仿真实验
  • 3.6 本章小结
  • 第四章 基于空间相关性的 RBF 神经网络的短时交通流预测
  • 4.1 空间相关性
  • 4.2 多断面交通流数据的空间相关性
  • 4.2.1 相关系数的基本原理
  • 4.2.2 多断面交通流数据的相关性分析
  • 4.3 RBF 神经网络概述
  • 4.3.1 RBF 神经网络的基本原理
  • 4.3.2 径向基函数的定义与分类
  • 4.3.3 RBF 神经网络模型
  • 4.4 RBF 神经网络的学习算法
  • 4.5 基于空间相关性的RBF 神经网络的短时交通流预测
  • 4.5.1 基于空间相关性的RBF 神经网络预测模型
  • 4.5.2 仿真结果及分析
  • 4.6 本章小结
  • 第五章 基于时空二维融合的短时交通流预测
  • 5.1 信息融合概述
  • 5.1.1 信息融合原理
  • 5.1.2 信息融合的方法
  • 5.1.3 信息融合的结构
  • 5.2 交通系统的时空二维融合模型
  • 5.3 基于时空二维融合的短时交通流预测模型
  • 5.3.1 权重的确定方法
  • 5.4 基于时空二维融合的短时交通流预测仿真
  • 5.5 本章小结
  • 第六章 结论与展望
  • 致谢
  • 参考文献
  • 在学期间发表的论著及取得的科研成果
  • 相关论文文献

    • [1].智能网联车环境下异质交通流稳定性及安全性分析[J]. 北京交通大学学报 2020(01)
    • [2].新冠肺炎流行期间高速公路交通流恢复期预测研究[J]. 中国公路 2020(08)
    • [3].基于文献计量的动态交通流研究[J]. 重庆交通大学学报(自然科学版) 2020(08)
    • [4].研究降雨事件对交通流时空特性的影响[J]. 交通运输系统工程与信息 2020(04)
    • [5].一日内与逐日的双动态网络交通流演化[J]. 武汉理工大学学报(交通科学与工程版) 2020(04)
    • [6].智能网联车环境下异质交通流稳定性及安全性分析[J]. 电子制作 2020(21)
    • [7].基于现实与虚拟交互的交通流再现实验方法[J]. 同济大学学报(自然科学版) 2018(12)
    • [8].基于数据融合的交通流检测设施布点优化评价指标及应用研究[J]. 中国公共安全 2016(19)
    • [9].基于物联网的智能交通流探测技术研究[J]. 科技创新与应用 2016(34)
    • [10].弹性需求下的网络交通流逐日动态演化[J]. 物理学报 2017(06)
    • [11].动态占有率与交通流三参数之间的关系[J]. 住宅与房地产 2017(09)
    • [12].突变理论在交通流分析中的应用[J]. 自动化与仪器仪表 2017(07)
    • [13].基于虚拟变量回归分析无人驾驶汽车对交通流的影响[J]. 文山学院学报 2017(03)
    • [14].张量分解方法视角下研究交通流网络的时空特征[J]. 时代农机 2017(04)
    • [15].考虑延迟效应的交通流宏观流体力学模型[J]. 广西科学 2017(04)
    • [16].基于交通指数云图的宏观交通流分析方法综述[J]. 上海理工大学学报 2017(04)
    • [17].基于交通波模型的事故对连续交通流影响机理研究[J]. 建筑技术开发 2017(12)
    • [18].考虑车与车互联通讯技术的交通流跟驰模型[J]. 物理学报 2016(01)
    • [19].一种基于RFID技术的交通流检测方案[J]. 智能城市 2016(05)
    • [20].船舶交通流建模与仿真研究进展[J]. 水利水运工程学报 2014(06)
    • [21].路边停车对路段交通流延误影响研究[J]. 交通科技 2015(01)
    • [22].基于云模型的非机动车交通流速度仿真[J]. 公路交通科技 2015(11)
    • [23].节假日高速公路免费通行条件下交通流组织研究[J]. 经济与社会发展研究 2014(06)
    • [24].复杂交通流条件下自适应信号控制系统协调优化方法的研究[J]. 公路 2020(08)
    • [25].基于常微分方程的城市密集交通流疏导模型[J]. 计算机仿真 2020(08)
    • [26].港内交通流影响因素与优化建议[J]. 中国水运(下半月) 2019(06)
    • [27].交通流网络的时空特征解析——基于张量分解方法视角[J]. 地理科学 2016(11)
    • [28].基于元胞自动机的高速公路隧道群交通流建模与仿真[J]. 筑路机械与施工机械化 2016(11)
    • [29].基于超级网络的空铁联合交通流分布模型[J]. 武汉理工大学学报(交通科学与工程版) 2017(05)
    • [30].考虑拥挤交通流再分配的单点自组织信号控制方法[J]. 交通科技与经济 2016(05)

    标签:;  ;  ;  ;  ;  

    基于数据挖掘和数据融合的短时交通流预测研究
    下载Doc文档

    猜你喜欢