【摘要】：隨著經(jīng)濟水平的提高,家庭負擔的減少,私家車的購買量日益激增,交通擁堵是困擾著中國乃至當今國際的一大交通難題,如何緩解交通的壓力成為我國亟待解決的問題。獲得實時而又準確的交通流量是進行交通誘導和控制的基礎,更是解決各種交通問題的關鍵所在。首先本文在對短時交通流預測的國內(nèi)外研究現(xiàn)狀進行分析的基礎上,對城市交通流的特性進行了分析,總結了現(xiàn)有的預測方法,提出了基于相空間重構的卡爾曼濾波交通流預測仿真模型。為得到隱藏在短時交通流一維時間序列中的特性,對一維的時間序列進行重構,利用C?C算法來確定空間重構的延遲時間和嵌入維數(shù),利用相空間重構得到的相點來描述由狀態(tài)向量構成相點的狀態(tài)空間,再結合卡爾曼濾波理論對實測數(shù)據(jù)進行下一時刻的預測并校正相點的未來的發(fā)展規(guī)律,在這兩種理論的基礎上建立短時交通流的預測模型,最后根據(jù)某路段的實際交通情況進行仿真驗證。其次,對支持向量機SVM理論進行細致的研究分析,并針對本文的預測對象確定核函數(shù)的種類,針對方法的不足在數(shù)據(jù)訓練之前引入小波去噪理論,根據(jù)幾種小波的特點,選用加入折中因子的閾值去噪法對數(shù)據(jù)進行去噪,同時為了提高預測的準確性通過蟻群優(yōu)化的算法對模型的參數(shù)進行優(yōu)化,構建了基于參數(shù)優(yōu)化的SVM的預測模型,并結合實際的交通流量進行仿真分析,驗證了基于該算法的可用性和實用性。最后為了對比分析,分別將構建的相空間重構的卡爾曼濾波交通流預測仿真模型和基于參數(shù)優(yōu)化的SVM短時交通流預測模型進行實驗仿真,并利用文中提出的指標信息對兩組數(shù)據(jù)的預測結果進行綜合對比,仿真結果表明基于智能算法的參數(shù)優(yōu)化的SVM模型更有效的提高了交通流的預測精度,證明這種智能組合算法能取得更好的預測效果。
[Abstract]:With the improvement of economic level, the reduction of family burden and the increasing purchase of private cars, traffic congestion is a major transportation problem that puzzles China and even the international community. How to relieve the pressure of traffic becomes an urgent problem to be solved in our country. Obtaining real-time and accurate traffic flow is the basis of traffic guidance and control, and the key to solve various traffic problems. Firstly, based on the analysis of the current situation of short-term traffic flow prediction at home and abroad, the characteristics of urban traffic flow are analyzed, and the existing forecasting methods are summarized. A simulation model of Kalman filter traffic flow prediction based on phase space reconstruction is proposed. In order to obtain the characteristics hidden in the one-dimensional time series of short-time traffic flow, the one-dimensional time series is reconstructed, and the delay time and embedding dimension of the spatial reconstruction are determined by using CnC algorithm. The phase points obtained by phase space reconstruction are used to describe the state space which is composed of state vectors, and then the prediction of the next moment of the measured data and the correction of the future development law of the phase points are carried out based on the Kalman filter theory. On the basis of these two theories, the short-term traffic flow prediction model is established, and the simulation is carried out according to the actual traffic situation of a certain section of the road. Secondly, the support vector machine (SVM) SVM theory is studied and analyzed in detail, and the kernel function is determined according to the prediction object in this paper. The wavelet denoising theory is introduced before the data training to overcome the shortcomings of the method, according to the characteristics of several kinds of wavelets. In order to improve the accuracy of prediction, the SVM prediction model based on parameter optimization is constructed in order to improve the accuracy of prediction and optimize the parameters of the model by means of ant colony optimization algorithm. The availability and practicability of the algorithm are verified by simulation and analysis of actual traffic flow. Finally, in order to compare and analyze, the constructed Kalman filter traffic flow prediction simulation model based on phase space reconstruction and the SVM short-time traffic flow prediction model based on parameter optimization are simulated. The simulation results show that the parameter optimization SVM model based on intelligent algorithm can improve the prediction accuracy of traffic flow more effectively. It is proved that this intelligent combination algorithm can achieve better prediction results.
【學位授予單位】：河南理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：U491.14;TP18

【相似文獻】

相關期刊論文 前10條

1 偶昌寶,俞亞南;短時交通流預測的多層遞階方法[J];城市道橋與防洪;2004年05期

2 高麗梅;高鵬;陳俊波;;數(shù)據(jù)融合技術在短時交通流預測中的應用[J];交通科技;2010年S1期

3 唐世星;;改進的支持向量機算法在短時交通流預測中的應用[J];承德石油高等�？茖W校學報;2012年01期

4 王嬌;李軍;;最小最大概率回歸機在短時交通流預測中的應用[J];公路交通科技;2014年02期

5 賀國光,李宇,馬壽峰;基于數(shù)學模型的短時交通流預測方法探討[J];系統(tǒng)工程理論與實踐;2000年12期

6 宗春光,宋靖雁,任江濤,胡堅明;基于相空間重構的短時交通流預測研究[J];公路交通科技;2003年04期

7 楊世堅,賀國光;基于模糊C均值聚類和神經(jīng)網(wǎng)絡的短時交通流預測方法[J];系統(tǒng)工程;2004年08期

8 王進;史其信;;短時交通流預測模型綜述[J];中國公共安全(學術卷);2005年01期

9 楊芳明;朱順應;;基于小波的短時交通流預測[J];重慶交通學院學報;2006年03期

10 鄧志龍;李全;陳茜;;基于灰色系統(tǒng)理論的短時交通流預測[J];公路交通技術;2006年01期

相關會議論文 前4條

1 鄭德署;何世偉;許旺土;;分形理論在短時交通流預測中的應用[A];2008第四屆中國智能交通年會論文集[C];2008年

2 唐麗娜;張衛(wèi)華;;短時交通流預測方法的比較研究[A];2007第三屆中國智能交通年會論文集[C];2007年

3 于建玲;商朋見;關積珍;;改進的相空間重構方法在短時交通流預測中的應用[A];2008第四屆中國智能交通年會論文集[C];2008年

4 楊錦偉;肖新平;郭金海;;基于灰關聯(lián)與少數(shù)據(jù)云推理的短時交通流預測[A];第25屆全國灰色系統(tǒng)會議論文集[C];2014年

相關博士學位論文 前1條

1 姚智勝;基于實時數(shù)據(jù)的道路網(wǎng)短時交通流預測理論與方法研究[D];北京交通大學;2007年

相關碩士學位論文 前10條

1 高為;基于數(shù)據(jù)挖掘和數(shù)據(jù)融合的短時交通流預測研究[D];重慶交通大學;2011年

2 齊霖;基于支持向量機回歸的短時交通流預測與系統(tǒng)實現(xiàn)[D];東北大學;2013年

3 邱世崇;基于時空特性的城市道路短時交通流預測研究[D];重慶交通大學;2015年

4 沈小峰;交通流量短時預測的算法研究[D];浙江工業(yè)大學;2015年

5 江小燕;短時交通流預測方法研究[D];揚州大學;2015年

6 楊慧慧;城市交通流短時預測模型研究[D];河南理工大學;2015年

7 尹振興;“機理+辨識”策略在短時交通流預測中多種結果合成[D];天津大學;2008年

8 姜敏華;基于車行轉彎比例穩(wěn)定假設的短時交通流預測[D];上海交通大學;2008年

9 張蕊;城市道路短時交通流預測[D];五邑大學;2008年

10 韓超;短時交通流預測的研究[D];北方工業(yè)大學;2012年

，

本文編號：2162600