原文传递
面向交通事件持续时间预测的贝叶斯网络建模研究
| 论文题名： | 面向交通事件持续时间预测的贝叶斯网络建模研究 |
| 关键词： | 交通事件;持续时间预测;贝叶斯网络;结构学习 |
| 摘要： | 交通事件是引发道路交通拥堵的主要因素之一，通过实时交通诱导等手段可以降低其对交通运行造成的影响，而及时准确地预测事件持续时间则是实现有效管控的前提条件。 为探究影响事件持续时间因素之间的关系，构建更加科学的预测模型，本论文在国内外研究现状的基础上，构建了以ACOS算法为核心的贝叶斯网络预测模型，该模型基于MIT打分函数，融合自上而下的网络生长规则，引入蚁群并行算法进行全局结构搜索，增加节点随机选择机制及局部结构概率选择模式，保证结构空间的多样性，实现搜索效率的提高。 根据贝叶斯网络模型参数，进一步将节点内部机理引入至贝叶斯决策树中，构建以BNDT算法为核心的改进贝叶斯决策树模型，该模型在CART算法的基础上，通过添加节点判别规则启动类别判定机制，融合朴素贝叶斯理论与贝叶斯网络推断方法，考虑属性节点间的依赖关系，以更加贴近实际情况。 结合荷兰交通部门的交通事件数据对上述模型进行实证分析，揭示交通事件持续时间的影响机理，并进行结构化和定量表达，得到的贝叶斯网络预测模型的准确率在数据完备与缺失下分别为76.97％和93.23％，平均预测精度达87.82％。以误差20分钟为可接受的预测精度，贝叶斯分类模型在信息完备与缺失下的准确率为64.85％和63.64％。改进的贝叶斯决策树模型能够给出每个分枝的平均事件持续时间，在数据完备的情况下，满足预测精度的事件达77％;在不同的信息缺失程度下，满足预测精度的事件最低占70％。实证分析结果表明，贝叶斯网络模型以及改进贝叶斯决策树模型，均能有效的对交通事件持续时间做出预测。 |
| 作者： | 马雪婧 |
| 专业： | 交通运输规划与管理 |
| 导师： | 邵春福 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
