道路旅行時(shí)間能夠直觀地反映路段的交通擁堵?tīng)顟B(tài),它是發(fā)展智能交通系統(tǒng)的重要基礎(chǔ)。實(shí)時(shí)地預(yù)測(cè)各關(guān)鍵路段的旅行時(shí)間,不僅有助于交通管理部門針對(duì)某些潛在擁堵的路段采取交通管制,也可以為行人提供實(shí)時(shí)的路況信息以及制定最佳出行計(jì)劃。在交通網(wǎng)絡(luò)初具規(guī)模的今天,利用數(shù)據(jù)驅(qū)動(dòng)的方法構(gòu)建智慧交通是目前緩解和預(yù)防交通擁堵的主要手段。由于道路旅行時(shí)間受諸多環(huán)境因素的影響,如何利用交通歷史數(shù)據(jù)集準(zhǔn)確且實(shí)時(shí)地預(yù)測(cè)各路段的旅行時(shí)間,是研究智能交通系統(tǒng)的一個(gè)難點(diǎn)�，F(xiàn)有的預(yù)測(cè)算法中要么使用的預(yù)測(cè)模型過(guò)于簡(jiǎn)單,不能充分結(jié)合路網(wǎng)的時(shí)空特性提取關(guān)鍵的特征,要么建立的模型在預(yù)測(cè)的實(shí)時(shí)性方面受到了限制�？紤]到這些問(wèn)題,本文將選用一種基于回歸樹(shù)的集成算法——隨機(jī)森林,作為城市道路旅行時(shí)間的預(yù)測(cè)方法。因?yàn)殡S機(jī)森林算法更能適應(yīng)路網(wǎng)的不確定性和復(fù)雜性,該算法具有很強(qiáng)的抗干擾能力,算法的預(yù)測(cè)性能不會(huì)受異常值和缺失值的影響,而且模型的訓(xùn)練時(shí)間短,比較適合實(shí)時(shí)性較強(qiáng)的預(yù)測(cè)場(chǎng)景。論文的研究?jī)?nèi)容主要包括三部分:首先,采用最大相關(guān)最小冗余算法（mRMR）為預(yù)測(cè)模型選擇特征,該算法通過(guò)減少或消除冗余的特征來(lái)提升預(yù)測(cè)模型的性能。其次,在構(gòu)建預(yù)測(cè)模型時(shí)將... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

DBSCAN原理圖

重慶郵電大學(xué)碩士學(xué)位論文 第 3 章 構(gòu)建道路旅行時(shí)間的預(yù)測(cè)模型進(jìn)行有放回的抽樣，并選取樣本數(shù)據(jù)進(jìn)行回歸樹(shù)的訓(xùn)練，在構(gòu)造特征子空間時(shí)引入最大相關(guān)最小冗余(mRMR)算法降低或消除特征子空間中的冗余特征的影響；在算法決策過(guò)程中，整合基于密度聚類算法的回歸樹(shù)模型(DB-CART)的預(yù)測(cè)結(jié)果，即采用密度聚類算法(DBSCAN)處理每棵回歸樹(shù)(CART)中葉子節(jié)點(diǎn)的數(shù)據(jù)，然后使用加權(quán)的歐式距離在葉子節(jié)點(diǎn)中找到與測(cè)試樣本最相似的類簇，計(jì)算簇中樣本的均值作為當(dāng)前回歸樹(shù)的預(yù)測(cè)結(jié)果，最后整合每棵樹(shù)的預(yù)測(cè)結(jié)果，求其均值作為隨機(jī)森林的預(yù)測(cè)結(jié)果。訓(xùn)D1

(http://www.tianqi.com)爬取貴陽(yáng)市3月表如下：性字段有路段的標(biāo)識(shí) ID（脫敏數(shù)據(jù)）、次干道）。表 4.1 路段屬性表長(zhǎng) 寬 14 55（米） 12（米） 4 846（米） 9（米） 關(guān)系表段有當(dāng)前路段 ID、直接上游路段 ID 以路的上下游關(guān)系，可以抽象出路網(wǎng)的

【參考文獻(xiàn)】：
期刊論文
[1]基于自適應(yīng)密度聚類分析的雷電定位算法[J]. 李濤,張帥弛,張燦,任永珍.  科學(xué)技術(shù)與工程. 2018(36)
[2]基于CART決策樹(shù)的沖壓成形仿真數(shù)據(jù)挖掘[J]. 王偉,黃宇星,余鴻敏.  工程科學(xué)學(xué)報(bào). 2018(11)
[3]人工智能在智能交通中的應(yīng)用[J]. 李澤新.  科技傳播. 2018(19)
[4]基于PCA-GBDT的城市道路旅行時(shí)間預(yù)測(cè)方法[J]. 張威威,李瑞敏,謝中教.  公路工程. 2017(06)
[5]基于改進(jìn)A*算法的最優(yōu)路徑搜索[J]. 朱云虹,袁一.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(04)
[6]大數(shù)據(jù)中高速公路旅行時(shí)間預(yù)測(cè)仿真研究[J]. 劉偉銘,李松松.  計(jì)算機(jī)仿真. 2017(03)
[7]基于ARIMA和Kalman濾波的道路交通狀態(tài)實(shí)時(shí)預(yù)測(cè)（英文）[J]. Dong-wei XU,Yong-dong WANG,Li-min JIA,Yong QIN,Hong-hui DONG.  Frontiers of Information Technology & Electronic Engineering. 2017(02)
[8]基于Kalman和ARIMA組合模型的路段行程時(shí)間預(yù)測(cè)[J]. 田甜,王秀玲,呂芳.  信息技術(shù). 2016(03)
[9]基于K最近鄰算法的高速公路短時(shí)行程時(shí)間預(yù)測(cè)[J]. 王翔,陳小鴻,楊祥妹.  中國(guó)公路學(xué)報(bào). 2015(01)
[10]道路網(wǎng)上最短路徑算法綜述[J]. 張波良,張瑞昌,關(guān)佶紅.  計(jì)算機(jī)應(yīng)用與軟件. 2014(10)

博士論文
[1]隨機(jī)森林算法優(yōu)化研究[D]. 曹正鳳.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2014

碩士論文
[1]基于經(jīng)驗(yàn)路徑的路徑規(guī)劃系統(tǒng)[D]. 曹佳清.蘇州大學(xué) 2018
[2]基于統(tǒng)計(jì)模型的城市道路交通旅行時(shí)間分析及預(yù)測(cè)方法研究[D]. 李朝.北方工業(yè)大學(xué) 2015
[3]基于藍(lán)牙技術(shù)的城市道路短時(shí)旅行時(shí)間預(yù)測(cè)方法研究[D]. 王群.上海交通大學(xué) 2015
[4]基于數(shù)據(jù)驅(qū)動(dòng)的路段旅行時(shí)間估計(jì)與預(yù)測(cè)研究[D]. 黃龍超.北京交通大學(xué) 2015



本文編號(hào)：2953271