交通量的預測是提高交通運輸管理水平、降低運輸成本的重要手段之一,同時也是進行交通狀況評價、路網(wǎng)規(guī)劃、線路改造以及工程建設項目可行性分析的基礎(chǔ)。因此,研究高速公路交通量預測具有重要的意義。本文在深入分析比較各種交通量預測方法的基礎(chǔ)上,研究了利用支持向量機進行交通量預測方法并進行了實際應用。首先,對收費站出口數(shù)據(jù)進行了數(shù)據(jù)預處理,使之轉(zhuǎn)化為預測分析數(shù)據(jù)集。然后,深入的研究了灰色理論預測方法和神經(jīng)網(wǎng)絡預測方法,并使用這些方法對現(xiàn)有數(shù)據(jù)集進行對比預測。重點研究了支持向量機預測模型的建模方法,包括數(shù)據(jù)歸一化、核函數(shù)選擇、模型參數(shù)選擇等,建立了基于支持向量機的交通量預測模型,對西潼高速公路的渭南西與渭南東兩站間的路段進行了交通量預測,平均誤差率僅為2.5%。最后對基于支持向量機交通量預測軟件進行了詳細設計。預測結(jié)果表明,支持向量機用于交通量的預測是可行及有效的。所研究的支持向量機預測模型在陜西省公路資源整合項目的“綜合分析決策支持系統(tǒng)”中得到了應用。 

【文章來源】：長安大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 交通量預測發(fā)展現(xiàn)狀
        1.2.2 支持向量機研究現(xiàn)狀
    1.3 主要內(nèi)容以及論文結(jié)構(gòu)
第二章 交通收費數(shù)據(jù)的采集和預處理
    2.1 陜西省聯(lián)網(wǎng)收費原始數(shù)據(jù)
        2.1.1 出口站數(shù)據(jù)
        2.1.2 路網(wǎng)結(jié)構(gòu)
    2.2 陜西省收費數(shù)據(jù)采集
    2.3 陜西省收費數(shù)據(jù)預處理
    2.4 收費數(shù)據(jù)的日平均交通量轉(zhuǎn)換
        2.4.1 MADT的計算
        2.4.2 當量換算
        2.4.3 目標數(shù)據(jù)集
    2.5 本章小結(jié)
第三章 交通量預測方法研究
    3.1 傳統(tǒng)交通量預測方法
        3.1.1 時間序列預測方法
        3.1.2 交通量組合預測法
    3.2 灰色預測方法
        3.2.1 交通量灰色預測模型的建立
        3.2.2 西潼高速交通量灰色預測
    3.3 BP神經(jīng)網(wǎng)絡預測方法
        3.3.1 BP神經(jīng)網(wǎng)絡原理
        3.3.2 交通量BP神經(jīng)網(wǎng)絡預測模型設計
        3.3.3 西童高速交通量BP神經(jīng)網(wǎng)絡預測
    3.4 RBF神經(jīng)網(wǎng)絡預測方法
        3.4.1 RBF神經(jīng)網(wǎng)絡基本原理
        3.4.2 交通量RBF神經(jīng)網(wǎng)絡預測模型的設計
        3.4.3 西潼高速交通量RBF神經(jīng)網(wǎng)絡預測
    3.5 本章小結(jié)
第四章 基于支持向量機的預測模型研究
    4.1 支持向量機的理論基礎(chǔ)
        4.1.1 統(tǒng)計學習理論
        4.1.2 支持向量機原理
        4.1.3 支持向量機回歸
    4.2 支持向量機交通量預測模型的設計
        4.2.1 樣本預處理
        4.2.2 核函數(shù)的選擇
        4.2.3 模型參數(shù)選擇算法
    4.3 西潼高速支持向量機預測
        4.3.1 樣本的采集及預處理
        4.3.2 核函數(shù)及參數(shù)的選擇
        4.3.3 預測結(jié)果及分析
    4.4 各種方法預測對比
    4.5 本章小結(jié)
第五章 基于支持向量機的交通量預測的系統(tǒng)設計
    5.1 系統(tǒng)概要設計
    5.2 高速公路交通量預測模塊
        5.2.1 用戶界面設計
        5.2.2 數(shù)據(jù)庫設計
        5.2.3 程序算法設計
    5.3 本章小結(jié)
總結(jié)與展望
參考文獻
附錄
致謝


【參考文獻】：
期刊論文
[1]時間序列分析的理論與應用綜述[J]. 羅芳瓊,吳春梅.  柳州師專學報. 2009(03)
[2]基于最小二乘支持向量機的非線性系統(tǒng)建模[J]. 相征,張?zhí)?孫建成.  系統(tǒng)仿真學報. 2006(09)
[3]支持向量機在模式識別中的核函數(shù)特性分析[J]. 李盼池,許少華.  計算機工程與設計. 2005(02)
[4]一種人工免疫與RBF神經(jīng)網(wǎng)絡結(jié)合的混合算法的應用[J]. 周穎,鄭德玲,裘之亮,劉聰.  計算機工程與應用. 2004(01)
[5]基于最大信息熵原理的居民出行分布模型[J]. 曲昭偉,姚榮涵,王殿海.  吉林大學學報(工學版). 2003(02)
[6]一種新的支持向量回歸預測模型[J]. 劉廣利,楊志民.  吉首大學學報(自然科學版). 2002(03)
[7]基于確定性退火方法的短期負荷預測[J]. 趙登福,王蒙,張講社,雷兵,張濤,周琳,王錫凡.  中國電機工程學報. 2001(07)
[8]由路段交通量推算OD出行量方法研究——基于多路徑概率分配模型的迭代反推法[J]. 李景,彭國雄.  交通運輸工程學報. 2001(02)
[9]由路段交通流量反估出行OD矩陣技術(shù)的應用[J]. 段進宇,繆立新,江見鯨.  清華大學學報(自然科學版). 2000(06)
[10]交通分布與熵[J]. 達慶東,張國伍,姜學峰.  公路交通科技. 1999(S1)



本文編號：3504706