基于組合模型的交通流量預測方法
發(fā)布時間:2020-07-18 19:49
【摘要】:進入新世紀以來,交通問題成為困擾很多國家的重要問題,交通擁堵、環(huán)境污染、交通事故等交通問題給社會的發(fā)展,人們的日常生活帶來的嚴重的影響。智能交通運輸系統(tǒng)(Intelligent Transportation System,簡稱ITS)的出現(xiàn)提出了很好的解決交通問題的方法。因此ITS的研究越來越受到重視。交通流誘導系統(tǒng)是智能交通系統(tǒng)領域當中一項重要的研究內容,而交通流量的預測問題則是交通流誘導系統(tǒng)的核心問題。因此,如何能夠實時準確的預測交通流量成為誘導系統(tǒng)是否能夠有效實現(xiàn)的關鍵問題。本文提出了一種交通流量預測的模型,并對模型的正確性進行了驗證。 本文首先對交通數(shù)據(jù)的表現(xiàn)形式進行了分析,總結造成交通數(shù)據(jù)錯誤的原因,并將這些數(shù)據(jù)進行分類,提出相應的解決方法,從而使得交通數(shù)據(jù)能夠更加真實的反映交通狀況,更好的為交通預測模型服務,提高模型的精度。然后分析多種預測模型的不足,提出基于組合模型的交通流量預測方法,然后通過預測真實的交通流量進行檢驗,經(jīng)過驗證模型的預測精度較高,符合交通誘導以及交通控制的基本要求。主要的研究成果包括: (1)提出了針對不同的交通數(shù)據(jù)錯誤類型的不同的解決辦法,并應用三種數(shù)據(jù)校驗的方式對數(shù)據(jù)的合理性進行檢驗,從而不會對預測模型的精度產生太大的影響。 (2)建立了三種單一預測模型:Elman神經(jīng)網(wǎng)絡模型,歷史趨勢模型,非參數(shù)回歸模型,詳細介紹了每種模型各自的原理與實現(xiàn)方法,并舉例說明。 (3)提出了組合模型的思想,綜合三種單一模型的優(yōu)點,建立基于組合模型的交通流量預測方法,并通過實驗驗證了模型的有效性。
【學位授予單位】:華東理工大學
【學位級別】:碩士
【學位授予年份】:2011
【分類號】:F224;F510
【圖文】:
華東理工大學碩士學位論文第21頁表3.1樣本數(shù)據(jù)幾ble3.1SamPledataDDDateeeVolumeee222009一2一16660.3064440.2682220.2478880.240000222009一2一23330.3100000.2700000.2654440.262999222009一3一2220.2901110.2586660.2544440.248000222009一3一9990.3134440.2960000.2818880.276000222009一3一16660.2992220.2704440.2452220.247111222009一3一23330.3042220.2860000.2786660.289888222009一3一30000.2932220.2765550.2468880.235222共獲取七組數(shù)據(jù),前六組數(shù)據(jù)作為網(wǎng)絡的訓練樣本,每三組的數(shù)據(jù)作為輸入向量,第四組為目標向量,這樣可取得3組訓練樣本,第七天作為網(wǎng)絡的測試樣本。
圖2.4同一路段的斷面關系Fig.2.4RelationshiPoftheseetionsonthesameroad上下游路段間流量的正確性判別線圈斷面流量的有效性校驗針對的是每個路段內部的各個斷面之間的關系,
圖2.5上下游路段關系(l) F19.2.5RelationshiPoftheuPPerandlowerroads如圖2.5、2.6所示,上下游路段主線與匝道之間的流量存在如下關系式:
【學位授予單位】:華東理工大學
【學位級別】:碩士
【學位授予年份】:2011
【分類號】:F224;F510
【圖文】:
華東理工大學碩士學位論文第21頁表3.1樣本數(shù)據(jù)幾ble3.1SamPledataDDDateeeVolumeee222009一2一16660.3064440.2682220.2478880.240000222009一2一23330.3100000.2700000.2654440.262999222009一3一2220.2901110.2586660.2544440.248000222009一3一9990.3134440.2960000.2818880.276000222009一3一16660.2992220.2704440.2452220.247111222009一3一23330.3042220.2860000.2786660.289888222009一3一30000.2932220.2765550.2468880.235222共獲取七組數(shù)據(jù),前六組數(shù)據(jù)作為網(wǎng)絡的訓練樣本,每三組的數(shù)據(jù)作為輸入向量,第四組為目標向量,這樣可取得3組訓練樣本,第七天作為網(wǎng)絡的測試樣本。
圖2.4同一路段的斷面關系Fig.2.4RelationshiPoftheseetionsonthesameroad上下游路段間流量的正確性判別線圈斷面流量的有效性校驗針對的是每個路段內部的各個斷面之間的關系,
圖2.5上下游路段關系(l) F19.2.5RelationshiPoftheuPPerandlowerroads如圖2.5、2.6所示,上下游路段主線與匝道之間的流量存在如下關系式:
【參考文獻】
相關期刊論文 前10條
1 楊永勤;劉小明;于泉;褚世新;;交通流三參數(shù)關系的研究[J];北京工業(yè)大學學報;2006年01期
2 周欣榮;崔揚;;短時段交通流預測的RBF神經(jīng)網(wǎng)絡模型[J];道路交通與安全;2007年03期
3 陳淑燕;王煒;李文勇;;實時交通數(shù)據(jù)的噪聲識別和消噪方法[J];東南大學學報(自然科學版);2006年02期
4 王曉原;吳磊;張開旺;張敬磊;;非參數(shù)小波算法的交通流預測方法[J];系統(tǒng)工程;2005年10期
5 樊曉珂;;城市交通擁堵問題研究[J];中國公共安全(學術版);2007年01期
6 陳雪平;曾盛;胡剛;;基于BP神經(jīng)網(wǎng)絡的短時交通流預測[J];公路交通技術;2008年03期
7 畢磊;肖本賢;于海濱;郁伉;;基于一次指數(shù)平滑模型預測的輪廓誤差補償方法[J];合肥工業(yè)大學學報(自然科學版);2010年08期
8 Q
本文編號:2761349
本文鏈接:http://www.sikaile.net/jingjilunwen/jtysjj/2761349.html
教材專著