基于路況數(shù)據(jù)的交通流預(yù)測(cè)模型及其對(duì)比分析.pdf

1、交通流預(yù)測(cè)技術(shù)是智能交通管理系統(tǒng)的核心，是實(shí)現(xiàn)智能交通控制與誘導(dǎo)的基礎(chǔ)。準(zhǔn)確的交通預(yù)測(cè)信息對(duì)于指導(dǎo)人們進(jìn)行路徑選擇，節(jié)約出行時(shí)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(shù)的發(fā)展，交通流預(yù)測(cè)模型已數(shù)量眾多，研究的重點(diǎn)已從建立新模型轉(zhuǎn)移到選擇模型。本文基于交通流基本理論和交通流預(yù)測(cè)方法，分別運(yùn)用ARIMA模型、神經(jīng)網(wǎng)絡(luò)模型和非參數(shù)回歸模型對(duì)兩個(gè)不同路段的早高峰、午平峰和晚高峰的路況數(shù)據(jù)建立模型進(jìn)行預(yù)測(cè)，最后運(yùn)用五種評(píng)價(jià)指標(biāo)

2、對(duì)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(diǎn)和適用范圍。
　　本研究主要內(nèi)容包括：⑴對(duì)某城市快速路全年的路況數(shù)據(jù)進(jìn)行分析，說明了交通流數(shù)據(jù)在波動(dòng)趨勢(shì)上具有周相似性，在時(shí)間序列上具有傳承性，同時(shí)具有動(dòng)態(tài)不確定性。⑵對(duì)樣本進(jìn)行丟失數(shù)據(jù)識(shí)別和錯(cuò)誤數(shù)據(jù)修復(fù)。分別運(yùn)用機(jī)理法和閾值法識(shí)別丟失數(shù)據(jù)和錯(cuò)誤數(shù)據(jù)，并用相鄰若干時(shí)段的平均值修復(fù)數(shù)據(jù)，建立樣本數(shù)據(jù)庫。⑶運(yùn)用ARIMA模型對(duì)不同時(shí)段的路況數(shù)據(jù)建模預(yù)測(cè)。闡述了建模過程中的平穩(wěn)性和隨機(jī)

3、性檢驗(yàn)、差分平穩(wěn)化、模型識(shí)別、參數(shù)估計(jì)、診斷檢驗(yàn)等步驟，用軟件實(shí)現(xiàn)了仿真。結(jié)果表明，ARIMA模型適用于平穩(wěn)的路況預(yù)測(cè)。⑷運(yùn)用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行預(yù)測(cè)。研究了建模過程中的數(shù)據(jù)歸一化處理，選取激活函數(shù)、構(gòu)造訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)等過程，實(shí)驗(yàn)確定了網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，仿真實(shí)現(xiàn)了預(yù)測(cè)。結(jié)果表明，神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)效果取決于訓(xùn)練數(shù)據(jù)的大小。⑸運(yùn)用非參數(shù)回歸方法進(jìn)行預(yù)測(cè)。闡述了建模過程中選取狀態(tài)向量、設(shè)定相似機(jī)制的過程，實(shí)驗(yàn)確定了近鄰值的個(gè)數(shù)，仿真實(shí)現(xiàn)了預(yù)測(cè)。結(jié)