城市场景下短期交通流预测方法研究

发布时间：2024-03-01 04:54

　　智能交通系统(Intelligent Transportation Systems)作为当前解决交通相关问题、提升用户体验的相关领域,已经吸引了越来越多的关注。其通过预测未来交通状况的变化,针对可能出现的交通问题提出适当的解决方案和预防措施,以提高用户的安全系数和舒适度。其中,交通流作为分析交通状况的核心参数,更是研究工作中的重中之重。纵观近三十年来的相关研究工作,通过应用智能算法缩短对交通流变化的反应时间以及提升对变化量的预测精度,能极大地促进交通系统的智能化发展。但由于实际中交通流的变化受到大量因素的影响,如天气情况、空气质量,甚至出行用户心情等因素,导致短时期内的交通流呈现极强的随机变化特性,限制了当前短期交通流预测模型的精准度。若能通过研究交通流数据的变化特性,对预测模型做出适应性地调整,将有助于提高现有模型的预测精度,降低交通状况变化给模型带来的负面影响。因此,本文研究工作主要包括以下两个方面:首先,本文通过数据预处理工作调整预测模型的输入信息,以提高交通流短期预测模型的精度。短期交通流预测是基于交通流的历史数据变化特征,预测当前或者未来某一时段内的交通流量,以协作智能交通系...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景与意义
    1.2 短期交通流预测国内外研究状况
    1.3 研究内容
    1.4 论文章节安排
第二章 短期交通流预测理论
    2.1 时间序列
    2.2 时间序列与随机过程的关系
    2.3 短期交通流预测模型
        2.3.1 季节性差分自回归模型
        2.3.2 支持向量回归机
        2.3.3 人工神经网络
    2.4 预测模式
    2.5 样本数据介绍与分析
    2.6 短期交通流预测性能评价指标
    2.7 本章小结
第三章 基于交通流平稳特性与自相关特性的数据预处理架构
    3.1 交通流平稳特性与自相关特性分析
        3.1.1 交通流平稳特性
        3.1.2 交通流自相关特性
    3.2 基于交通流平稳特性拆分交通流成分
    3.3 基于交通流自相关特性的非相关时间滞后变量滤除方法
    3.4 本章小结
第四章 基于贝叶斯决策定理的混合预测模型
    4.1 混合模型
    4.2 贝叶斯决策定理
    4.3 贝叶斯混合算法
    4.4 本章小结
第五章 仿真结果与数值分析
    5.1 仿真预备工作
    5.2 SARIMA改进模型性能分析
    5.3 SVR和ANN的改进模型性能分析
    5.4 仿真结果讨论
第六章 总结与展望
参考文献
致谢
作者简介



本文编号：3915451