基于多維時(shí)空參數(shù)的道路短期交通流預(yù)測研究.pdf

1、我國各大城市的交通擁堵現(xiàn)象日益嚴(yán)重,不僅影響了城市生活的效率和質(zhì)量,而且?guī)砹谁h(huán)境污染、能源緊張等一系列經(jīng)濟(jì)社會問題。智能交通系統(tǒng)被認(rèn)為是解決城市交通擁堵的有效途徑,作為交通誘導(dǎo)核心環(huán)節(jié)的道路短期交通流預(yù)測技術(shù)領(lǐng)域的研究還處于探索階段,其已經(jīng)成為智能交通系統(tǒng)實(shí)施的瓶頸。
　　 由于道路交通流具有很強(qiáng)的時(shí)變特性,因而,傳統(tǒng)的預(yù)測方法很難對其進(jìn)行準(zhǔn)確的預(yù)測。支持向量機(jī)(SupportVectorMachine,SVM)模型作為一種新

2、興的機(jī)器學(xué)習(xí)方法,具有很強(qiáng)的數(shù)據(jù)挖掘能力和捕捉數(shù)據(jù)時(shí)變特性的能力,同時(shí)其泛化能力較之神經(jīng)網(wǎng)絡(luò)也有明顯改善,更適用于對非線性序列進(jìn)行預(yù)測。因此,本文基于SVM模型進(jìn)行道路短期交通流預(yù)測研究。
　　 由于道路交通流會同時(shí)受到時(shí)間、空間多維度的參數(shù)作用,是一個(gè)非線性的復(fù)雜系統(tǒng),本文首先分析道路交通流的時(shí)空特性,發(fā)現(xiàn)時(shí)間維度上目標(biāo)路段先前流量參數(shù)和空間維度上目標(biāo)路段上、下游路段的交通狀況參數(shù)都會影響目標(biāo)路段的交通流狀態(tài)。因此,對時(shí)、空維

3、度的參數(shù)進(jìn)行組合,可以得到四組不同維度的參數(shù)組合,分別將其作為SVM的輸入數(shù)據(jù),建立四種不同維度的SVM道路短期交通流單步預(yù)測模型。然后,拓展單步預(yù)測模型,構(gòu)建基于多維時(shí)空參數(shù)的道路短期交通流多步預(yù)測模型。最后,以貴陽市中心城區(qū)浮動(dòng)車GPS數(shù)據(jù)為例進(jìn)行實(shí)證分析。實(shí)驗(yàn)結(jié)果表明,在本文構(gòu)建的四種單步預(yù)測模型中,基于目標(biāo)路段先前流量及下游路段交通狀況的SVM單步預(yù)測模型預(yù)測精度最高,且該模型以及本文提出的基于多維時(shí)空參數(shù)的SVM道路短期交通流