优化集成RBF神经网络的短时交通流预测研究

发布时间：2024-02-21 00:38

　　随着社会经济的发展,机动车保有量不断增加,导致环境污染、交通事故及交通拥堵等问题成为制约城市发展的重要瓶颈。为有效解决城市交通问题,智能交通系统应运而生,短时交通流预测作为其中一个重要组成部分,如何准确实时的提供预测结果是智能交通亟需解决的问题。然而,短时交通流系统的复杂性、非线性及不确定性等特点,使得现有的预测模型难以满足智能交通系统对时间和精度的要求。本文在总结以往研究的基础上,对采集的原始交通流数据进行检测与异常值修复,以保障数据分析和挖掘的合理性;同时利用径向基(RBF)神经网络及集成学习算法建立短时交通流预测模型,为交通诱导与控制提供理论支撑。论文的主要创新研究工作如下:1.提出了基于改进FCM算法的交通流缺失数据修复方法。针对交通检测器在采集和传输过程中出现交通流数据异常问题,提出一种改进FCM的交通流缺失数据修复方法,利用模糊决策理论和模拟退火算法优化FCM的聚类数目和模糊度指数,通过比较交通流数据中的相似性,实现缺失数据的修复,为后续短时交通流预测研究提供高质量数据支持;2.建立了基于IACO-RBF神经网络的交通流预测模型。针对传统神经网络存在预测精度不高、参数设置敏...

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

图1.1交通拥堵图

通安全与城市交通拥堵和交通能源与环境等问题[1-4]。智能交通系统（IntelligentTransportationSystem，ITS）采用先进的数据采集技术、传感器技术、通信技术、协同控制技术、云计算技术等集成一种实时、高效及精准的交通管理与控制系统，包括电子警察、道路视频....

图2.5同一断面不同车道的交通流量图

工程硕士学位论文19图2.5同一断面不同车道的交通流量图表2.4同一断面不同车道的交通流数据相关系数相关系数车道1车道2车道3车道110.90020.9251车道20.900210.9618车道30.92510.96181选取2018年4月份的数据对横向相关性进行分析。图2.5为....

本文编号：3904767