基于浮動(dòng)車技術(shù)的城市短時(shí)交通狀態(tài)預(yù)測(cè)模型研究.pdf

1、近年來(lái)，隨著社會(huì)經(jīng)濟(jì)的發(fā)展，機(jī)動(dòng)車數(shù)量的飛速增長(zhǎng)，為生活帶來(lái)了交通上的便捷，但同時(shí)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(guò)擴(kuò)建道路滿足通行需求，因此，智能交通系統(tǒng)成為國(guó)內(nèi)外解決擁堵的研究熱點(diǎn)。短時(shí)交通狀態(tài)預(yù)測(cè)是ITS中交通誘導(dǎo)和控制的關(guān)鍵，短時(shí)交通狀態(tài)預(yù)測(cè)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(cè)器進(jìn)行預(yù)測(cè)，難以適應(yīng)浮動(dòng)車數(shù)據(jù)的特點(diǎn)。基于浮動(dòng)車數(shù)據(jù)的預(yù)測(cè)模型，一般選擇忽略缺失數(shù)據(jù)，預(yù)測(cè)精度較低，不能滿足舒

2、緩交通的需求。
　　為了提高短時(shí)交通狀態(tài)預(yù)測(cè)的準(zhǔn)確性，本文在改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的基礎(chǔ)上，給出基于歷史和實(shí)時(shí)數(shù)據(jù)對(duì)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(cè)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(duì)現(xiàn)有浮動(dòng)車數(shù)據(jù)的特點(diǎn)，采用篩選、擬合、補(bǔ)缺以及降噪的預(yù)處理過(guò)程，針對(duì)補(bǔ)缺處理，給出了基于歷史和實(shí)時(shí)數(shù)據(jù)的K-means分類補(bǔ)缺方法，并對(duì)預(yù)處理結(jié)果進(jìn)行了驗(yàn)證。在分析行程速度的時(shí)空

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