基于浮動車技術(shù)的城市短時交通狀態(tài)預(yù)測模型研究.pdf

1、近年來，隨著社會經(jīng)濟(jì)的發(fā)展，機(jī)動車數(shù)量的飛速增長，為生活帶來了交通上的便捷，但同時也加重了道路擁堵程度。由于受土地資源等限制，城市中難以通過擴(kuò)建道路滿足通行需求，因此，智能交通系統(tǒng)成為國內(nèi)外解決擁堵的研究熱點。短時交通狀態(tài)預(yù)測是ITS中交通誘導(dǎo)和控制的關(guān)鍵，短時交通狀態(tài)預(yù)測方法的應(yīng)用，取得了一定的效果，但大部分方法是基于固定檢測器進(jìn)行預(yù)測，難以適應(yīng)浮動車數(shù)據(jù)的特點?；诟榆嚁?shù)據(jù)的預(yù)測模型，一般選擇忽略缺失數(shù)據(jù)，預(yù)測精度較低，不能滿足舒

2、緩交通的需求。
　　為了提高短時交通狀態(tài)預(yù)測的準(zhǔn)確性，本文在改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的基礎(chǔ)上，給出基于歷史和實時數(shù)據(jù)對訓(xùn)練數(shù)據(jù)進(jìn)行分類補(bǔ)缺的方法，根據(jù)輸入層數(shù)據(jù)的缺失情況，選擇不同的改進(jìn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型。本文選取了行程速度作為表征交通狀態(tài)的參數(shù)，針對現(xiàn)有浮動車數(shù)據(jù)的特點，采用篩選、擬合、補(bǔ)缺以及降噪的預(yù)處理過程，針對補(bǔ)缺處理，給出了基于歷史和實時數(shù)據(jù)的K-means分類補(bǔ)缺方法，并對預(yù)處理結(jié)果進(jìn)行了驗證。在分析行程速度的時空

3、相關(guān)性的基礎(chǔ)上，分別基于時間、空間和時空維度數(shù)據(jù)對短時交通狀態(tài)進(jìn)行預(yù)測，以大連市部分出租車的實際運(yùn)行數(shù)據(jù)作為浮動車數(shù)據(jù)對預(yù)測結(jié)果進(jìn)行了驗證，給出基于輸入層數(shù)據(jù)缺失的短時交通狀態(tài)綜合預(yù)測模型。
　　實驗結(jié)果表明，本文給出的模型可以較好地對大連市短時交通狀態(tài)進(jìn)行估計，具有一定的準(zhǔn)確度和可靠性，實例驗證數(shù)據(jù)結(jié)果基本符合大連市的實際交通狀況，可以滿足出行者對短時交通狀態(tài)預(yù)測的需求。本文的研究結(jié)果，對提高城市交通擁堵預(yù)測能力具有一定的理論和