基于路況數(shù)據的交通流預測模型及其對比分析.pdf

1、交通流預測技術是智能交通管理系統(tǒng)的核心，是實現(xiàn)智能交通控制與誘導的基礎。準確的交通預測信息對于指導人們進行路徑選擇，節(jié)約出行時間，緩解道路擁堵，減少尾氣污染、節(jié)約能源等有重大意義。隨著技術的發(fā)展，交通流預測模型已數(shù)量眾多，研究的重點已從建立新模型轉移到選擇模型。本文基于交通流基本理論和交通流預測方法，分別運用ARIMA模型、神經網絡模型和非參數(shù)回歸模型對兩個不同路段的早高峰、午平峰和晚高峰的路況數(shù)據建立模型進行預測，最后運用五種評價指標

2、對比分析了三種模型的效果差異，得出了不同模型的優(yōu)缺點和適用范圍。
　　本研究主要內容包括：⑴對某城市快速路全年的路況數(shù)據進行分析，說明了交通流數(shù)據在波動趨勢上具有周相似性，在時間序列上具有傳承性，同時具有動態(tài)不確定性。⑵對樣本進行丟失數(shù)據識別和錯誤數(shù)據修復。分別運用機理法和閾值法識別丟失數(shù)據和錯誤數(shù)據，并用相鄰若干時段的平均值修復數(shù)據，建立樣本數(shù)據庫。⑶運用ARIMA模型對不同時段的路況數(shù)據建模預測。闡述了建模過程中的平穩(wěn)性和隨機

3、性檢驗、差分平穩(wěn)化、模型識別、參數(shù)估計、診斷檢驗等步驟，用軟件實現(xiàn)了仿真。結果表明，ARIMA模型適用于平穩(wěn)的路況預測。⑷運用神經網絡方法進行預測。研究了建模過程中的數(shù)據歸一化處理，選取激活函數(shù)、構造訓練數(shù)據和測試數(shù)據等過程，實驗確定了網絡的拓撲結構，仿真實現(xiàn)了預測。結果表明，神經網絡的預測效果取決于訓練數(shù)據的大小。⑸運用非參數(shù)回歸方法進行預測。闡述了建模過程中選取狀態(tài)向量、設定相似機制的過程，實驗確定了近鄰值的個數(shù)，仿真實現(xiàn)了預測。結