原文传递
短时交通流预测的PSO-PLS组合预测模型研究
| 论文题名： | 短时交通流预测的PSO-PLS组合预测模型研究 |
| 关键词： | 短时交通流;组合预测;智能交通系统;群智能算法 |
| 摘要： | 现代社会，交通事故频发，交通环境逐渐恶化。为了解决交通问题给当代经济社会发展所带来的阻碍，智能交通系统应运而生。短时交通流预测(Short-termTraffic Flow Forecasting，STFF)是实现智能运输系统中动态诱导系统的关键技术。由于时间跨度短，短时交通流表现出很强的不确定性，普通的单一的预测方法不能很好的反映出交通流过程的不确定性和非线性，无法很好的克服随机因素对其预测结果精度的影响。 本文首先分析了短时交通流预测的研究现状，概述了目前国内外针对短时交通流预测的主要方法；总结了组合预测方法在短时交通流预测中的优势。其次，分析了短时交通流预测的特点。在前人研究的基础上，针对传统组合预测方法的局限性，提出一种PSO-PLS(Particle Swarm Optimization-Partial Least SquaresRegression,微粒群-偏最小二乘回归)组合预测方法。由于在传统的组合预测方法中，研究者均将重点放在了单个预测方法的选择和预测方法在组合模型中权重的确定这两个方面。本文方法在研究这两个问题的同时，考虑了各个样本在样本空间代表性的不同，在样本空间对每个样本的最佳权重进行寻优。由于这个寻优过程是一个全局优化过程，我们引入微粒群算法来求解最优的样本权重。微粒群算法是一种新兴的群智能算法，自1995年由美国社会心理学家James Kennedy和电气工程师Russell Eberhart共同提出以来，由于其概念简明，参数设置少，对解决复杂环境中优化问题非常有效。另外，针对标准微粒群算法的缺陷，对其部分参数进行改进，以克服算法易陷于局部最优的不足。 在城市交通状况日益恶化的背景下，本文通过分析短时交通流本身的特征，采用PSO-PLS组合预测的方法对短时交通流进行预测。预测的结果为交通管理部门制定相应的对策提供有力支持，能有效的指导智能交通系统对交通流进行合理的疏导，帮助人们更好地进行路径选择，实现路径诱导，以缩减出行时间，减少交通拥挤。 用本文提出的PSO-PLS组合预测方法对株洲市某路段的短时交通流进行预测，所得结果较单个预测方法和传统组合预测方法来讲，有一定程度的提高，为短时交通流预测提高了一种新的有效的方法。较高的预测精度为交通管理部门的决策提供了可行的基础。 |
| 作者： | 吴慰 |
| 专业： | 管理科学与工程 |
| 导师： | 肖智 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆大学 |
| 学位年度： | 2009 |
| 正文语种： | 中文 |
检索历史
应用推荐
