论文题目: 城市道路行程时间预测方法研究
论文类型: 硕士论文
论文专业: 交通信息工程及控制
作者: 杨先平
导师: 姜桂艳
关键词: 智能运输系统,行程时间预测,交通数据采集时间间隔,卡尔曼滤波,人工神经网络,小波分解与重构,数据融合,样本量,优化方法
文献来源: 吉林大学
发表年度: 2005
论文摘要: 行程时间预测是ITS 的一项重要研究内容,预测效果直接关系到ITS 相关子系统功能的有效发挥。本文从两方面考虑提高行程时间的预测精度,一方面,采集的交通数据是否能准确全面地反映交通流运行的状态;另一方面,行程时间预测方法是否能充分利用交通数据中的有效信息对行程时间进行准确的预测。论文首先对行程时间预测的用户及其需求进行了界定,分析了行程时间的预测原理与预测条件。然后,为了提高交通数据的有效信息含量,对固定检测器的交通数据采集时间间隔和移动检测器的最小样本量进行了优化研究。最后,运用卡尔曼滤波、人工神经网络、小波分解与重构和数据融合技术对路段交通流平均行程时间预测方法和以公交车辆为代表的路段单车行程时间预测方法进行了研究,并用实测数据进行了验证。结果表明,对于路段交通流平均行程时间预测,基于移动检测器的行程时间预测精度优于基于固定检测器的行程时间预测精度,数据融合预测方法能够明显改善行程时间预测效果;对于公交车辆的路段单车行程时间预测,无交叉口路段行程时间预测的精度优于有交叉口路段行程时间预测的精度,数据融合预测方法同样可以提高公交车辆的行程时间预测效果。
论文目录:
第一章 绪论
1.1 课题来源
1.2 问题的提出
1.3 研究的目的和意义
1.4 研究现状
1.5 本论文的主要研究内容
1.6 小结
第二章 行程时间预测需求与条件分析
2.1 概述
2.2 行程时间预测用户及其需求界定
2.3 路段交通流平均行程时间预测原理分析
2.4 行程时间预测条件分析
2.5 本文研究的数据基础
2.6 小结
第三章 交通信息采集关键技术研究
3.1 概述
3.2 固定检测器交通数据采集时间间隔优化方法研究
3.2.1 研究思路
3.2.2 实证研究
3.3 移动检测器最小样本量优化方法研究
3.3.1 研究思路
3.3.2 实证研究
3.4 小结
第四章 路段交通流平均行程时间预测方法研究
4.1 概述
4.2 卡尔曼滤波预测方法研究
4.2.1 卡尔曼滤波模型的建立
4.2.2 预测工作步骤
4.3 人工神经网络预测方法研究
4.3.1 BP 神经网络的学习过程
4.3.2 预测工作步骤
4.4 小波分解与重构预测方法研究
4.4.1 WDR 原理
4.4.2 预测工作步骤
4.4.3 对参数选取的讨论
4.5 数据融合预测方法研究
4.5.1 融合模型的建立
4.5.2 权重的确定方法
4.6 实证研究
4.6.1 案例一
4.6.2 案例二
4.7 小结
第五章 公交车辆站点间行程时间预测方法研究
5.1 概述
5.2 公交车辆路段行程时间预测原理
5.3 公交车辆到站时间实时更新方案研究
5.4 实证研究
5.4.1 基于卡尔曼滤波的公交车辆路段行程时间预测
5.4.2 基于BP 神经网络的公交车辆路段行程时间预测
5.4.3 基于小波分解与重构的公交车辆路段行程时间预测
5.4.4 基于MMFA 的公交车辆路段行程时间预测
5.4.5 预测结果分析
5.5 小结
第六章 全文总结与展望
6.1 论文主要工作
6.2 论文展望
参考文献
摘要
Abstract
致 谢
导师简介:
发布时间: 2005-08-26
参考文献
- [1].基于K近邻非参数回归法的高速公路行程时间预测[D]. 周欣.长安大学2018
- [2].数据驱动的高速公路交通流量及行程时间短时预测方法研究[D]. 周楠楠.华南理工大学2018
- [3].基于耦合低频浮动车轨迹的行程时间估计方法[D]. 黎瀚涛.哈尔滨工业大学2018
- [4].基于车内环境复杂度的公交乘客心理行程时间研究[D]. 张文博.哈尔滨工业大学2018
- [5].城市信控干道动态行程时间估计及预测[D]. 朱晨冉.北京建筑大学2018
- [6].基于收费数据的高速公路行程时间预测及行程时间可靠性研究[D]. 邵孙健.吉林大学2018
- [7].考虑节点转向特征的路径行程时间可靠性建模[D]. 陈碧英.重庆交通大学2018
- [8].基于卡尔曼滤波和指数平滑法组合模型的公交行程时间预测[D]. 侯真超.辽宁大学2018
- [9].基于高斯过程回归的城市道路行程时间预测算法研究[D]. 吴亚鸽.湖南大学2017
- [10].行程时间不确定条件下的大规模多模态公共交通可达分析[D]. 董绍轩.武汉大学2017
相关论文
- [1].随机交通流网络行程时间可靠度近似算法研究[D]. 温冬海.长沙理工大学2007
- [2].基于梯度校正法的交通数据融合和行程时间预测研究[D]. 郎妍.北京交通大学2008
- [3].基于浮动车数据的城市路段行程时间预测研究[D]. 方志伟.北京交通大学2007
- [4].基于GPS/GIS浮动车技术的旅行时间预测模型[D]. 陈思.北京交通大学2007
- [5].基于浮动车的城市道路行程时间采集与预测方法研究[D]. 杨立娟.吉林大学2007
- [6].基于GPS/GIS的路段行程时间预测研究[D]. 张伟.辽宁工程技术大学2007
- [7].基于径向基函数（RBF）神经网络的路段行程时间预测研究[D]. 朱耿先.重庆大学2004
- [8].城市道路路段不同组织下的行程时间研究[D]. 葛兴.吉林大学2006
- [9].动态路径优化关键技术研究[D]. 郑祖舵.吉林大学2006
- [10].基于数据融合的城市快速路交通参数短时预测方法研究[D]. 冮龙晖.吉林大学2004
标签：智能运输系统论文; 行程时间预测论文; 交通数据采集时间间隔论文; 卡尔曼滤波论文; 人工神经网络论文; 小波分解与重构论文; 数据融合论文; 样本量论文; 优化方法论文;