原文传递
基于路况数据的交通流预测模型及其对比分析
| 论文题名： | 基于路况数据的交通流预测模型及其对比分析 |
| 关键词： | 城市交通;交通流预测;路况分析;人工神经网络 |
| 摘要： | 交通流预测技术是智能交通管理系统的核心，是实现智能交通控制与诱导的基础。准确的交通预测信息对于指导人们进行路径选择，节约出行时间，缓解道路拥堵，减少尾气污染、节约能源等有重大意义。随着技术的发展，交通流预测模型已数量众多，研究的重点已从建立新模型转移到选择模型。本文基于交通流基本理论和交通流预测方法，分别运用ARIMA模型、神经网络模型和非参数回归模型对两个不同路段的早高峰、午平峰和晚高峰的路况数据建立模型进行预测，最后运用五种评价指标对比分析了三种模型的效果差异，得出了不同模型的优缺点和适用范围。 本研究主要内容包括：⑴对某城市快速路全年的路况数据进行分析，说明了交通流数据在波动趋势上具有周相似性，在时间序列上具有传承性，同时具有动态不确定性。⑵对样本进行丢失数据识别和错误数据修复。分别运用机理法和阈值法识别丢失数据和错误数据，并用相邻若干时段的平均值修复数据，建立样本数据库。⑶运用ARIMA模型对不同时段的路况数据建模预测。阐述了建模过程中的平稳性和随机性检验、差分平稳化、模型识别、参数估计、诊断检验等步骤，用软件实现了仿真。结果表明，ARIMA模型适用于平稳的路况预测。⑷运用神经网络方法进行预测。研究了建模过程中的数据归一化处理，选取激活函数、构造训练数据和测试数据等过程，实验确定了网络的拓扑结构，仿真实现了预测。结果表明，神经网络的预测效果取决于训练数据的大小。⑸运用非参数回归方法进行预测。阐述了建模过程中选取状态向量、设定相似机制的过程，实验确定了近邻值的个数，仿真实现了预测。结果表明，非参数回归方法在三种方法中的预测效果最好。⑹建立评价指标体系。定义五种评价指标:绝对误差、误差分布概率、模型可移植性、模型可操作性和其他误差来综合对比分析了不同模型的预测效果，在对于平稳性的路况进行预测时，三者差异不大，但对于波动剧烈的路况，非参数回归方法具有相对最优的预测效果。 |
| 作者： | 戎亚萍 |
| 专业： | 交通运输工程 |
| 导师： | 毛保华 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2013 |
| 正文语种： | 中文 |
检索历史
应用推荐
