基于吉布斯采样推理算法的交通预测研究

论文摘要

上世纪50年代,随着汽车工业的发展,交通拥堵开始出现,现代交通科学应运而生。60多年来,人们对交通运输的运行规律逐渐有了较为清晰的了解。学者们对交通预测的研究也愈来愈多。人们认识到,交通系统是复杂的局系统,具有明显的随机性、动态性、复杂性。本文从贝叶斯网的理论知识和推理着手,运用马尔可夫覆盖理论、吉布斯采样近似推理等理论,系统的阐述了基于吉布斯采样推理算法进行交通预测的技术。文章创新点在吉布斯采样推理算法用于交通预测时添加了路口结点间的行驶时间与交通堵塞密度(车流量、车速、车道占有率的关系式)有关的思想,以及计算了动态条件概率,或许能为以后的研究提供一种借鉴和参考。论文的结构如下：首先,论文简要介绍了贝叶斯网的理论知识,着重学习了条件概率的表达、马尔可夫覆盖。接着阐述了贝叶斯网近似推理抽样算法的思想,进而引出了吉布斯采样推理算法,为其后文的应用奠定了基础。然后,论文从贝叶斯网的构建和吉布斯采样推理算法的应用两方面展开对交通预测的阐述,文章第三章重点介绍了如何由交通图构建贝叶斯网、贝叶斯网的存储以及对从交通局获得的原始交通数据进行简单处理,从而基于前人的成果,对交通参数间的关系进行推理并得到交通堵塞密度的表达式,最终构建贝叶斯网参数表。文章第四章重点展开对吉布斯采样推理算法的介绍,包括该算法的原理、思想和算法实例,为交通预测的研究奠定基础。最后,论文选取一二一附近的交通状况来研究,阐述了吉布斯采样推理算法用于交通预测的整个过程,并且通过实验来体现了吉布斯采样推理算法收敛性的特点,验证了吉布斯采样推理算法应用于交通预测的可行性。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 前言
• 1.1 研究背景
• 1.2 研究现状
• 1.2.1 交通预测的研究现状
• 1.2.2 吉布斯采样应用的研究现状
• 1.3 问题的提出
• 1.4 研究内容
• 1.5 研究思路
• 1.6 研究的创新点
• 第2章 背景知识
• 2.1 贝叶斯网简介
• 2.1.1 基础理论
• 2.1.2 贝叶斯网的语义
• 2.1.3 贝叶斯网实例
• 2.2 贝叶斯网近似推理
• 2.3 本章小结
• 第3章 贝叶斯网的构建
• 3.1 网结构的构建
• 3.1.1 交通图转化为贝叶斯网结构图
• 3.1.2 贝叶斯网的数据结构
• 3.2 参数表的构建
• 3.2.1 堵塞密度
• 3.2.2 概率参数表
• 3.3 本章小结
• 第4章 吉布斯采样推理算法
• 4.1 原理
• 4.2 吉布斯采样推理算法
• 4.2.1 算法思想和算法特点
• 4.2.2 算法描述
• 4.2.3 算法示例
• 4.3 本章小结
• 第5章 交通预测案例和实验
• 5.1 实验数据
• 5.2 交通预测过程
• 5.2.1 交通图
• 5.2.2 贝叶斯网结构图
• 5.2.3 结点的条件概率表
• 5.2.4 吉布斯采样推理预测
• 5.2.5 合理路径
• 5.3 推理收敛实验
• 5.3.1 实验环境
• 5.3.2 实验数据
• 5.3.3 实验结果
• 5.3.4 实验总结
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 需进一步研究的内容
• 附录
• 参考文献
• 致谢