原文传递
基于SVM和BP神经网络的短时交通流预测与实现
| 论文题名： | 基于SVM和BP神经网络的短时交通流预测与实现 |
| 关键词： | 短时交通流预测;小波分析;支持向量机;BP神经网络 |
| 摘要： | 随着科技的进步和社会的发展，现如今的交通出行让感受到既方便又舒适。但是由于汽车数量呈现指数型增长，以及出行路径的盲目选择产生了交通拥堵问题。本文基于智能理论的算法对短时交通流进行预测，为用户提供合理的出行路径从而避免交通拥堵。目前短时交通流预测主要考虑到以下因素：一是如何对交通流数据进行预处理，保证数据的质量；二是如何利用预处理后的交通流数据集得到有效的预测模型；三是选择合适的预测算法对交通流进行预测。 首先，本文对原始交通流数据进行预处理研究。所被用来进行预测的原始交通流数据的质量对预测结果有着重要影响，但是会因为交通流数据采集设备故障等原因，导致采集到的数据会出现噪声以及数据缺失。因此本采用小波分析法对原始交通流数据进行去噪分析，最终保证了系统中的数据质量。 其次，提出了一种新型预测模型和算法来进行短时交通流预测。短时交通流预测在交通管制应用中具有非常重要的作用，短时交通流具有非线性，时间跨度广，不确定性和不稳定等特点。本文分析了单一模型的劣势，在较少的数据集的情况下，支持向量机（SVM）具有更好的预测效果。但一般来说，交通流数据集较大，SVM无法应对较大的数据集。论文中提出了一种基于SVM（支持向量机）和BP神经网络组合的预测算法。通过最优加权规则（Optimal weighted rule）去优化我们的预测算法。通过仿真实验，从平均绝对百分比误差和均方根误差上来看，我们的组合算法均优于SVM和BP神经网络算法。 最后，设计并实现交通流预测系统。在对交通流预测系统进行需求分析的基础上，设计出系统的总体框架，以及系统数据库的设计，通过服务器端和客户端代码的编写，实现了SVM和BP神经网络组合模型短时交通流的预测系统。 |
| 作者： | 余涛 |
| 专业： | 物流工程 |
| 导师： | 暴建民 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京邮电大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
