【摘要】：隨著社會經(jīng)濟的飛速發(fā)展,國內的城市化人口比重與日俱增,帶來眾多的城市化挑戰(zhàn),其中重中之重就是城市交通規(guī)劃(City Transportation Planning)。而分析國內城市交通現(xiàn)狀,其中擁堵問題最為嚴重,還有隨之導致的環(huán)境污染、停車難、交通事故頻發(fā)等現(xiàn)象。究其原因,主要在于城市人口的劇增、私家車出行迅速增長、路網(wǎng)規(guī)劃不合理、公共交通萎縮、過于密集的投資和建設等方面,而這些問題往往會產生連鎖反應,導致一個惡性循環(huán),使得城市交通擁堵甚至癱瘓。于是,如果能實時精確的預測將來一段時間內路段內的交通流量,將可以提前預防并舒緩交通高峰期車流量,從根本上解決交通擁堵現(xiàn)象的發(fā)生。但交通狀況復雜多變,需要考慮眾多影響因素,并且在交通流數(shù)據(jù)中,蘊藏著豐富的高維結構信息~([1],[2]),使得對于傳統(tǒng)的預測模型而言,無法到達預期的精確度。鑒于此原因,本文采用了一種高維結構的數(shù)學模型,稱之為張量結構(Tensor).通過結合交通流數(shù)據(jù),構建高維動態(tài)張量模型,從而實現(xiàn)基于動態(tài)張量的短期交通流預測方法。本文主要內容有以下幾個方面:第一,介紹了短期交通流量預測問題的研究背景和意義所在,包括國內外相關預測模型的研究現(xiàn)狀和未來的發(fā)展趨勢,本文所要使用的張量模型的研究歷史和應用現(xiàn)狀。第二,詳細介紹了張量的數(shù)學表達形式和運算公式,為接下來的分解模型提供數(shù)學理論基礎。隨后,講述了張量的兩種常用分解模型,即CP分解模型和Tucker分解模型,分別介紹了兩種分解模型下的因子矩陣的選擇和填補理論。第三,將真實的交通流量數(shù)據(jù)構建到高階張量結構,分析了交通流量數(shù)據(jù)在多個模式的相關性和周期性等特性。隨后,將交通流量數(shù)據(jù)結合張量填補理論,提出基于張量結構的短期交通流量預測算法。第四,詳細介紹了基于CP和Tucker兩種分解模型下的短期交通流量預測算法的具體過程,包括算法的理論依據(jù)、推導過程、具體實現(xiàn)步驟和算法的優(yōu)勢和缺陷。最后,結合真實的交通流量數(shù)據(jù),對算法進行大量實驗分析和對比。主要包括完整數(shù)據(jù)集下的準確度和算法運行時間的對比,還有缺失數(shù)據(jù)集下的算法準確度分析,在缺失數(shù)據(jù)集中又分為歷史數(shù)據(jù)集的完全隨機性缺失和連續(xù)性缺失等情況。研究實驗發(fā)現(xiàn),在這兩種情況下,文中提出的Tucker-WGopt均具有良好的準確度。
【圖文】：

上圖可以公式化表示為： ( ) ( ) ( ) ( )1XRr r r rr a b c 其中 , A , B ,C 是由 Kolda 提出的關于子矩陣，，它們的大小分別為 I R , J R分，R 為該張量的秩， 為系數(shù)組成的長量 X 的元素值和因子矩陣的元素值之間1Rijk ir jr krrx a b c 于是，如何用 CP 分解模型填補原始(1)a圖 2.4 張

第 3 章 張量結構下的交通流流量數(shù)據(jù)預測模型.1.1 交通流數(shù)據(jù)的周期性和多模特性在現(xiàn)實生活中，交通流數(shù)據(jù)與人們的生活節(jié)奏和出行方式息息相關，正是人們有規(guī)律的出行導致了交通流數(shù)據(jù)呈現(xiàn)出周期性的特點，以天、周為周期體如下圖所示：
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：U491.1;O183.2

【參考文獻】

相關期刊論文 前3條

1 張敬磊;王曉原;;基于非線性組合模型的交通流預測方法[J];計算機工程;2010年05期

2 譚滿春;馮犖斌;徐建閩;;基于ARIMA與人工神經(jīng)網(wǎng)絡組合模型的交通流預測[J];中國公路學報;2007年04期

3 韓超,宋蘇,王成紅;基于ARIMA模型的短時交通流實時自適應預測[J];系統(tǒng)仿真學報;2004年07期

相關碩士學位論文 前2條

1 伍元凱;基于動態(tài)張量填充的短時交通流預測研究[D];北京理工大學;2015年

2 朱彥君;基于張量分解的缺失數(shù)據(jù)插補算法的研究[D];杭州電子科技大學;2014年

本文編號：2637797