原文传递
混沌理论在路段旅行时间预测中的应用研究
| 论文题名： | 混沌理论在路段旅行时间预测中的应用研究 |
| 关键词： | 旅行时间预测;相空间重构;局域预测;混沌理论;智能交通系统 |
| 摘要： | 旅行时间预测对于交通诱导、交通信息化服务和交通控制等均具有重要的意义，已成为交通工程和智能交通系统ITS领域的研究热点。由于交通系统的高度复杂性、随机性和不确定性，既有旅行时间预测方法已经难以满足实际应用中快速、精确的要求，本文将混沌理论引入到路段旅行时间预测领域，着重讨论了旅行时间的时间序列混沌特性、旅行时间时间序列的混沌加权动态局域预测和旅行时间时间序列的混沌局域区间预测问题。 论文分析和归纳了国内外旅行时间数据的采集和计算方法以及既有旅行时间预测方法的局限性。 研究了路段旅行时间的混沌特性及其识别方法。讨论了混沌时间序列特征量一最大Lyapunov指数的计算，以及相空间重构参数，即时间延迟、嵌入维数的选取得方法。采用Rosenstein小数据量法计算最大Lyapnuov指数；互信息量法选取重构相空间的延迟时间；伪邻近点法和Cao法选取重构相空间的最佳嵌入维数。通过对实际路段旅行时间时间序列的应用研究表明，所研究的时间序列表现出混沌特性，存在着低维的奇异吸引子。 在对路段旅行时间混沌识别的基础上，研究了路段旅行时间的加权动态局域预测方法。在动态局域预测模型(NSCGDF)基础上，采用邻近点与中心点的欧氏距离来描述不同邻近点对预测结果的影响，提出了一种改进的加权动态局域预测模型(NWAGDF)，该预测模型综合考虑了邻近点数、邻近点权重和广义自由度，给出了确定最邻近点的判断指标。以实际旅行时间数据作为实例进行计算分析，结果验证了NWAGDF模型的有效性。 研究了路段旅行时间时间序列的混沌局域区间预测模型。针对既有混沌时间序列局域直接预测方法过于复杂，引入了了一种简便的混沌时间序列的局域区间预测方法，并在取值区间和取值点方面作了改进。该方法在预测的过程中逐渐建立起了邻近点数据列表，通过这个邻近点数据列表，可以快速得到待预测点的邻近点，减少了在历史数据中反复寻找所有邻近点的过程，提高了预测效率。实证数据表明该模型是有效的。 |
| 作者： | 张腾化 |
| 专业： | 系统分析与集成 |
| 导师： | 刘军 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2006 |
| 正文语种： | 中文 |
检索历史
应用推荐
