基于實(shí)時(shí)數(shù)據(jù)的道路網(wǎng)短時(shí)交通流預(yù)測(cè)理論與方法研究.pdf

1、本文以基于實(shí)時(shí)數(shù)據(jù)的道路網(wǎng)短時(shí)交通流預(yù)測(cè)理論與方法研究為題，在交通流數(shù)據(jù)分析的基礎(chǔ)上，對(duì)道路網(wǎng)中多個(gè)斷面交通流狀態(tài)之間的相關(guān)性進(jìn)行分析，從而選擇預(yù)測(cè)的范圍和對(duì)象，對(duì)道路網(wǎng)中多個(gè)斷面的短時(shí)交通流預(yù)測(cè)理論和方法進(jìn)行了深入探討和研究，并且根據(jù)實(shí)際數(shù)據(jù)驗(yàn)證提出的預(yù)測(cè)模型。 文章首先闡述了短時(shí)交通流預(yù)測(cè)的概念、基本流程、特點(diǎn)及要求，按照單一斷面的短時(shí)交通流預(yù)測(cè)方法和多個(gè)斷面的短時(shí)交通流預(yù)測(cè)方法兩個(gè)方面綜述了國(guó)內(nèi)外短時(shí)交通流預(yù)測(cè)相關(guān)研究。第

2、二，分析道路網(wǎng)中多個(gè)斷面交通流的數(shù)據(jù)，介紹了包括刪除錯(cuò)誤數(shù)據(jù)和補(bǔ)充缺失數(shù)據(jù)的交通流數(shù)據(jù)預(yù)處理方法，解決數(shù)據(jù)來(lái)源質(zhì)量問(wèn)題，以此為基礎(chǔ)，分析道路網(wǎng)中多個(gè)斷面交通流數(shù)據(jù)兩兩之間的相關(guān)系數(shù)矩陣，應(yīng)用多元統(tǒng)計(jì)分析中的多維標(biāo)度法將道路網(wǎng)中多個(gè)斷面交通流的相關(guān)程度映射到一張二維擬合構(gòu)圖，從而判別斷面之間相關(guān)性的強(qiáng)弱，選擇出道路網(wǎng)研究范圍。第三，提出了基于狀態(tài)空間模型的道路網(wǎng)多斷面短時(shí)交通流的預(yù)測(cè)模型和方法，采用狀態(tài)空間模型和時(shí)間序列分析相結(jié)合，應(yīng)用E

3、M算法估計(jì)參數(shù)。第四，建立了基于支持向量機(jī)回歸的道路網(wǎng)多斷面短時(shí)交通流的預(yù)測(cè)模型和方法，在選擇研究范圍的基礎(chǔ)上，利用最小二乘支持向量機(jī)回歸算法建立模型，將回溯系數(shù)的選擇過(guò)程和利用遺傳算法優(yōu)化支持向量機(jī)回歸模型參數(shù)選擇的過(guò)程組合起來(lái)進(jìn)行了預(yù)測(cè)模型參數(shù)的交替組合優(yōu)化。第五，對(duì)道路網(wǎng)中多個(gè)斷面的短時(shí)交通流數(shù)據(jù)進(jìn)行了混沌時(shí)間序列分析，進(jìn)行了多維交通流時(shí)間序列數(shù)據(jù)的相空間重構(gòu)，建立了基于混沌時(shí)間序列分析的道路網(wǎng)多斷面短時(shí)交通流預(yù)測(cè)模型，利用粒子群

4、優(yōu)化算法優(yōu)化模型的參數(shù)選擇。根據(jù)城市快速路多個(gè)斷面交通流數(shù)據(jù)，對(duì)提出的各類道路網(wǎng)多斷面短時(shí)交通流的預(yù)測(cè)模型，驗(yàn)證其有效性。 主要研究成果包括： 1、在交通流數(shù)據(jù)相關(guān)性分析的基礎(chǔ)上，將道路網(wǎng)多個(gè)斷面短時(shí)交通流作為一個(gè)整體來(lái)同時(shí)預(yù)測(cè)，基于交通流數(shù)據(jù)的相關(guān)性分析進(jìn)行了道路網(wǎng)多斷面短時(shí)交通流預(yù)測(cè)理論和方法的研究。 2、引入多元統(tǒng)計(jì)分析中的多維標(biāo)度法，將道路網(wǎng)中不同空間的多個(gè)斷面短時(shí)交通流的相關(guān)性表示為一張二維擬合構(gòu)圖，通

5、過(guò)二維擬合構(gòu)圖可以判別道路網(wǎng)中多個(gè)斷面交通流的整體相關(guān)性，從而為下一步建立考慮時(shí)間和空間變化的多斷面短時(shí)交通流預(yù)測(cè)的相關(guān)模型與方法界定了研究范圍、研究對(duì)象和數(shù)據(jù)分析基礎(chǔ)。 3、根據(jù)目前短時(shí)交通流預(yù)測(cè)理論的性質(zhì)，分別從線性系統(tǒng)理論、人工智能方法、非線性系統(tǒng)理論三個(gè)角度將短時(shí)交通流預(yù)測(cè)從單一斷面預(yù)測(cè)方法向道路網(wǎng)多斷面同時(shí)預(yù)測(cè)方法擴(kuò)展：(1)在選擇研究范圍的基礎(chǔ)上，結(jié)合狀態(tài)空間模型和時(shí)間序列分析，應(yīng)用EM算法估計(jì)參數(shù)，提出了基于狀態(tài)空

6、間模型的道路網(wǎng)多斷面短時(shí)交通流的預(yù)測(cè)模型和方法；(2)在選擇研究范圍的基礎(chǔ)上，利用最小二乘支持向量機(jī)回歸算法建立模型，將回溯系數(shù)的選擇過(guò)程和利用遺傳算法優(yōu)化支持向量機(jī)回歸模型參數(shù)選擇的過(guò)程組合起來(lái)進(jìn)行了預(yù)測(cè)模型參數(shù)的交替組合優(yōu)化，提出了基于支持向量機(jī)回歸的道路網(wǎng)多斷面短時(shí)交通流的預(yù)測(cè)模型和方法；(3)在選擇研究范圍的基礎(chǔ)上，對(duì)道路網(wǎng)中多個(gè)斷面的短時(shí)交通流數(shù)據(jù)進(jìn)行了混沌時(shí)間序列分析，進(jìn)行了多維交通流時(shí)間序列數(shù)據(jù)的相空間重構(gòu)，建立了多維混沌