原文传递
基于稳健统计的公路短时交通流组合预测
| 论文题名： | 基于稳健统计的公路短时交通流组合预测 |
| 关键词： | 稳健统计;智能交通运输系统;短时交通流;组合预测 |
| 摘要： | 伴随着人类文明的进步,城市交通事业发展迅速,与此同时也带来了一系列交通事故问题。为了解决此问题,城市道路管理者提出了智能交通运输系统理论(ITS),对减少交通事故的发生以及提高道路的畅通效率有显著的作用。短时交通流预测是智能交通运输系统主要基础理论之一,对提供准确的实际交通信息、交通调整以及诱导起重要作用。 目前,组合预测是进行短时交通流预测的主流方法。本文属于“机理+辨识”预测策略中多种预测结果的灵活合成。将数理统计学中稳健统计的相关理论应用到短时交通流组合预测方法中去,通过稳健统计理论计算稳健方差估计量,可以更为准确的确定组合预测权值,提高短时交通流预测的准确性和稳定性。 本文的主要研究内容和成果如下: (1)运用数理统计学理论,初步将稳健统计中的方差尺度估计量(5种)应用到组合预测模型的权重系数优化计算中,可以更准确的表现各个单项预测模型在组合预测方法中所占的比重,更加准确预测短时交通流信息,更好的实现交通控制和诱导。 (2)采用短时交通流预测中的五种经典预测模型:三阶AR自回归模型预测方法、一次指数平滑法(ES1)、二次指数平滑法(ES2)、一阶移动平均法(MA1)、二阶动平均法(MA2),对某高速公路的实际交通流状态进行单项预测,计算各模型下的预测误差信息,本文中用到的误差参数指标主要为平均误差(ME)、平均绝对误差(MAE)、均方误差(RMSE)和最大绝对误差(E|max|)。 (3)函数Fisherz transformation是目前用于估计Pearson相关系数置信区间的主流方法。Pearson相关系数置信区间是用于估计线性组合预测中 Dickinson最优权重置信区间的两个核心方法之一。通常认为Fisherz transformation函数可以实现对标准正态分布累积分布函数曲线的近似逼近。现在发现新得到的Sigmoid-like函数具有更好的效果,对标准正态分布的累积分布函数逼近效果相较Fisherz transformation的逼近效果提高了大约4.677倍。进一步发现,优化后的高次根号函数也能够实现对标准正态分布的累积分布函数的良好逼近,最大距离误差值仅为Fisherz transformation的70.778％。 |
| 作者： | 宋延文 |
| 专业： | 控制科学与工程 |
| 导师： | 杨正瓴 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津大学 |
| 学位年度： | 2012 |
| 正文语种： | 中文 |
检索历史
应用推荐
