基于數(shù)據(jù)挖掘和數(shù)據(jù)融合的短時交通流預測研究.pdf

1、實時、準確的短時交通流預測是智能交通控制與管理的基礎(chǔ)?；趩我粫r間維度時間序列的預測方法難以解決短時交通流高度復雜性、隨機性和不確定性的問題，預測效果并不令人滿意。交通流的狀態(tài)轉(zhuǎn)換不僅僅是時間維度時間序列的一維性，空間分布狀態(tài)的變化對交通流也起了相當大的影響。因而，更為精確的短時交通流預測，需要采用空間維度的預測值對時間維度時間序列的預測結(jié)果進行修正。
　　 本文從短時交通流特性出發(fā)，針對實際交通流具有時間維度時間序列性和空間維

2、度空間相關(guān)性，提出了基于時空二維融合的短時交通流預測方法。在時間維度上短時交通流表現(xiàn)出強烈的非線性、時變性和不確定性，普通的預測方法很難達到預測精度的要求，因此，本文提出將交通流數(shù)據(jù)利用小波變換先進行“頻率”分解和單支重構(gòu)，得到相應的高頻分量和低頻分量，得到的分量相對成分簡單、信號變化較為平穩(wěn)。對各分量采用不同的預測方法進行預測，由高頻分量有較強的非線性而BP神經(jīng)網(wǎng)絡(luò)具有很強的非線性逼近能力，故用BP神經(jīng)網(wǎng)絡(luò)預測高頻分量；低頻分量呈現(xiàn)較

3、有規(guī)律的函數(shù)曲線，故用二次指數(shù)平滑預測。將各分量預測結(jié)果矢量相加求和，即可得到綜合預測結(jié)果。在空間維度上，交通流瞬時狀態(tài)下的空間分布具有相關(guān)性，同向交通流的瞬時輸出和其空間相關(guān)路段的交通流量相關(guān)，針對這種不確定的非線性關(guān)系，本文用RBF神經(jīng)網(wǎng)絡(luò)來進行空間維度的短時交通流預測。最后，利用信息融合技術(shù)能合理協(xié)調(diào)多源數(shù)據(jù)，充分綜合有用信息，在較短的時間內(nèi)、以較小的代價、得到使用單個傳感器所不能得到的數(shù)據(jù)特征的優(yōu)點，將基于時間維度時間序列的預測