原文传递
基于多维影响因素的短时交通流预测研究
| 论文题名： | 基于多维影响因素的短时交通流预测研究 |
| 关键词： | 交通流预测;智能交通;DEMATEL-ISM;交通拥堵因素;D-SVM;时间特征 |
| 摘要： | 随着社会经济的发展和城市化的加快推进，交通拥堵问题已经严重影响到了城市的运作效率，着眼于交通信息广泛应用与服务的智能交通是目前有效缓解交通拥堵的重要手段，智能交通可以有效提高既有交通设施的运行效率，而实现高精度的短时交通流预测是智能交通建设的关键部分，本研究通过深入挖掘分析路段拥堵影响因素，在解析交通系统相关要素作用机理的基础上，构建了D-SVM动态干扰预测模型，有效提高了模型的预测精度，模型通过增强时间特征的方式考虑了时间周期变化对路段交通流量的影响，消除了波峰波谷时段流量的差异化特征，可以有效的实现实时预测，为实现快速道路拥堵疏导提供可能性，研究丰富了智能交通理论的建设，既有助于交通管理者制定交通策略提供决策支持，建立拥堵预警机制，又方便出行者提前做好出行规划，提高出行体验。 本文对交通系统的影响因素做了较为全面的分析，首先通过检索FMS管理科学高质量期刊及铁路运输领域高质量科技期刊刊载的城市交通拥堵相关中英文文献，梳理了近十年城市交通拥堵相关影响因素，通过对期刊影响因子、文献引用量、影响因素和期刊等级进行建模分析，测算出高认证度的交通拥堵影响因素作为DEMATEL-ISM因素分析的输入变量，建立五层递阶结构模型，根据模型的层次结构分析了常态化路段拥堵和偶发性路段拥堵成因，揭示了复杂交通系统的拥堵规律。 结合对道路拥堵原因的分析，本文构建了基于系统分析的D-SVM动态干扰预测模型，使用傅里叶变换将交通流量的时域信号转换成频域信号，由此测算出流量数据的周期性特征，此外，为了减少离散程度较大的异常值对模型的干扰，采用指数平滑的方法对异常值进行平稳化处理。研究通过融合道路拥堵干扰，综合考虑了道路流量的变化规律，将影响路段偶发性拥堵的动态干扰因素进行着重处理，并将因周期性变化带来的时间特征差异进行增强处理，消除了波峰波谷时段的预测差异，最后通过差分进化改进支持向量机实现了对道路流量短时预测，通过测算平均绝对误差MAE和均方根误差RMSE证明模型预测精度在总体上得到了明显的提升。 |
| 作者： | 颜亚男 |
| 专业： | 物流工程 |
| 导师： | 于江霞;杜佳 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西安电子科技大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
