基于多源數據的通勤高峰期交通流量預測方法.pdf

1、隨著中國城鎮(zhèn)化進程加快，交通擁堵日益成為城市發(fā)展的通病，通勤高峰期尤為明顯，通勤高峰期交通流量的精準預測是緩解交通擁堵的關鍵。另一方面，伴隨著智能交通的發(fā)展和多學科的交叉融合，積累了不同類型的海量多源數據，如出租車GPS定位數據、人口戶籍數據、參保、社保數據等，這些數據一定程度反映了通勤者的出行規(guī)律，為通勤高峰期交通流量的預測提供了數據支持。然而，如何從海量多源數據中分析時空關聯關系，并在此基礎上預測通勤高峰期的交通流量，還缺乏相應的解

2、決方案。本文提出基于多源數據的通勤高峰期交通流量預測方法，依據不同交通工具的服務半徑和出行距離，根據相關分類算法歸納總結通勤方式的最佳方案，為宏觀交通規(guī)劃的優(yōu)化設計提供科學的決策。
　　本論文研究主要內容包括:
　　1.基于闡述本文的研究背景、研究意義、國內外交通流量預測相關進展，提出本文的研究內容;
　　2.針對交通流量采集傳感器進行歸類整理，然后結合重慶市南岸區(qū)部分典型道路的真實斷面交通流量數據，歸納總結出城市道路

3、交通流量三類特征:動態(tài)性、時間相似性與空間相關性;
　　3.多源數據預處理:從基本人口數據、路網數據、公交線路數據、出租車GPS軌跡數據等多源數據分析著手，提出了多源數據預處理方法，為交通流量預測提供數據準備;
　　4.通勤高峰期交通流量預測原理:介紹利用經典Dijkstra算法實現最短通勤距離計算的非機動車出行統計模型;介紹基于軌道交通優(yōu)先算法實現的私家車流量預測模型;介紹利用地圖匹配算法實現的出租車流量預測模型，進而實現