详情

原文传递交通流时空关联挖掘及预测

论文题名：	交通流时空关联挖掘及预测
关键词：	交通流;稀疏表达;时空关联挖掘法;预测模型
摘要：	交通流预测技术作为一种动态评估交通状态的技术，一直在智能交通系统(ITSs)中发挥很重要的作用。它能够帮助通行的个人进行智能的出行路线选择，也可以为交通管理者提供决策支持。因此，交通流预测技术得到了广大研究者的关注。近期研究发现，交通流的演化是通过交通网中所有节点交通流之间的相互作用而形成的。时空关联数据的选取便成为了进行准确的交通流预测的一个重要部分。本文基于稀疏表达提出了一种交通流时空关联挖掘的方法，并将其应用到多个预测模型。此方法可以从整个交通网络中自动地确定与预测目标节点的传感器相关的时空关联传感器，并以时空关联传感器的数据作为预测模型的输入，而不需要根据人工经验手动选取目标节点邻近范围的交通路段流量数据作为预测模型的输入。我们将所提出的时空关联挖掘的方法分别与多因子线性回归模型、向量自回归模型、反向传播神经网络模型和径向基函数神经网络模型结合进行交通流预测。本文使用了包含3254个传感器的真实交通网络所采集的交通流量和道路占有率数据对此交通流预测方法进行测试。实验表明，此方法是一种有效地交通流预测方法，而且预测性能要好于最小二乘法和基于局部时空关联的方法。
作者：	史世雄
专业：	计算软件与理论
导师：	杨夙
授予学位：	硕士
授予学位单位：	复旦大学
学位年度：	2014
正文语种：	中文