

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著城市化進(jìn)程的加快,汽車保有量持續(xù)增長,由此帶來的交通堵塞、人身安全、資源浪費(fèi)、環(huán)境污染等問題正成為制約各城市經(jīng)濟(jì)、文化快速發(fā)展的瓶頸,引起世界各個(gè)國家和地區(qū)的關(guān)注。智能交通系統(tǒng),作為目前解決交通問題的一個(gè)行之有效的方法,得到了快速的發(fā)展,而在智能交通系統(tǒng)中,交通流預(yù)測是實(shí)現(xiàn)交通流實(shí)時(shí)誘導(dǎo)、控制,解決一系列交通問題的關(guān)鍵和基礎(chǔ)。本文主要針對(duì)基于小波變換的交通流短時(shí)預(yù)測模型進(jìn)行研究。
本論文的主要研究內(nèi)容及結(jié)論:
2、 1.對(duì)檢測器采集的交通流數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理。根據(jù)交通流的運(yùn)行機(jī)理,通過對(duì)時(shí)間序列進(jìn)行掃描,運(yùn)用最大閾值法和平均有效車長的方法辨識(shí)其中丟失、錯(cuò)誤的數(shù)據(jù);并采用線性插值法對(duì)檢測到的異常進(jìn)行修復(fù),從而保證交通流數(shù)據(jù)的完整性。
2.對(duì)傳統(tǒng)基于小波變換的短時(shí)交通流預(yù)測模型進(jìn)行改進(jìn)。分析傳統(tǒng)基于小波變換的交通流短時(shí)預(yù)測模型的預(yù)測原理,并闡述其在使用中存在的不足。從交通流數(shù)據(jù)處理的角度出發(fā),通過對(duì)數(shù)據(jù)進(jìn)行指數(shù)平滑來剔除其中給數(shù)據(jù)帶
3、來較大干擾的噪聲,增加預(yù)測數(shù)據(jù)的準(zhǔn)確性。
3.通過學(xué)習(xí)、研究小波閾值去噪的原理,基于軟閾值去噪方法提出一種改進(jìn)的小波閾值去噪方法。通過在ω<|δ|區(qū)間內(nèi)構(gòu)造高階的閾值函數(shù),并調(diào)整ω=|δ|處的函數(shù)值,使η(ω)在ω整個(gè)變化范圍內(nèi)具有光滑、連續(xù)的曲線。從而完成平滑噪聲系數(shù)與有用信號(hào)小波系數(shù)銜接部分的自然過渡,保證交通流預(yù)測信號(hào)的連續(xù)特性。
4.運(yùn)用北京二環(huán)路東直門橋北的實(shí)測交通流數(shù)據(jù)對(duì)改進(jìn)的交通流短時(shí)預(yù)測模型進(jìn)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于小波變換-灰色馬爾可夫模型的短時(shí)交通流預(yù)測
- 基于小波理論的短時(shí)交通流預(yù)測方法研究.pdf
- 基于小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流量預(yù)測.pdf
- 基于改進(jìn)小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測研究.pdf
- 基于組合模型的短時(shí)交通流的預(yù)測研究.pdf
- 基于遺傳算法的小波神經(jīng)網(wǎng)絡(luò)短時(shí)交通流預(yù)測.pdf
- 基于混沌和小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測方法研究.pdf
- 城市交通流短時(shí)預(yù)測模型研究.pdf
- 基于SARIMA和SVM模型的短時(shí)交通流預(yù)測.pdf
- 短時(shí)交通流預(yù)測模型及預(yù)測方法的研究.pdf
- 基于布谷鳥算法的小波神經(jīng)網(wǎng)絡(luò)短時(shí)交通流預(yù)測研究.pdf
- 基于多模型融合的短時(shí)交通流量預(yù)測.pdf
- 基于卡爾曼濾波和小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測研究.pdf
- 基于短時(shí)交通流預(yù)測的交通控制算法研究.pdf
- 基于馬爾科夫模型的短時(shí)交通流預(yù)測研究.pdf
- 短時(shí)交通流預(yù)測方法研究.pdf
- 基于深度學(xué)習(xí)的短時(shí)交通流預(yù)測.pdf
- 基于SVM的交通流短時(shí)預(yù)測方法研究.pdf
- 基于分?jǐn)?shù)階累加生成的短時(shí)交通流預(yù)測模型研究.pdf
- 短時(shí)交通流預(yù)測的PSO-PLS組合預(yù)測模型研究.pdf
評(píng)論
0/150
提交評(píng)論