当前位置:主页 > 管理论文 > 物流管理论文 >

基于组合预测模型的交通流预测研究

发布时间:2018-11-20 16:56
【摘要】:城市交通系统担负着运输城市中人流物流的责任,是一个城市的血脉,其运行效率直接影响着整个城市。近年来,随着社会经济的发展和城镇化的不断深入,城市人口和机动车保有量迅速增长,虽然城市交通系统在基础设施方面不断建设和完善,但还是远远赶不上城市对于交通资源的需求。随之产生的交通拥堵问题、交通污染问题给城市企业和居民的日常生产生活带来了极大的不便,造成大量社会资源浪费。ITS(Intelligent Transport System)智能交通系统是21世纪的一种综合交通管理系统。其依靠对道路中行驶车辆运行状态的监控、控制、诱导,优化交通流在城市路网中的合理分布,提高城市路网的使用效率,从面上提高整个城市的交通系统运输效率。智能交通系统的两个重要组成部分即交通诱导和交通控制。而交通流诱导和控制的前提,是对城市路网交通做到合理的预测。本文的主要工作是,设计一种交通流预测组合模型,提高交通流预测精度。文章在对城市交通流特性分析的基础上,提出一种满足城市交通流线性、非线性、突发性的交通流组合预测模型。模型的基本思路是,先对交通流数据采用单模型进行预测,其中以ARIMA模型体现交通数据的线性,神经网络部分体现交通数据的非线性,K邻近非参数回归模型体现突发性,再运用神经网络拟合预测单模型的预测结果。在上述研究的基础上,运用组合模型重点研究了不同时间间隔的交通流预测和不同时段的交通流预测两部分内容。使模型在不同预测需求条件下都能准确预测,增强模型的适用性。运用IBM SPSS Modeler软件进行建模,对明尼苏达大学德卢斯分校的交通数据研究实验室提供的实验数据进行分析预测,最终得到了组合模型能取得优于一般单项模型精度的结果。
[Abstract]:Urban transportation system bears the responsibility of people flow and logistics in transportation city, and it is the blood of a city, and its running efficiency directly affects the whole city. In recent years, with the development of social economy and the deepening of urbanization, the number of urban population and motor vehicle has increased rapidly, although the urban transportation system has been continuously built and improved in terms of infrastructure. But it still falls far short of the city's demand for transportation resources. The traffic congestion problem and the traffic pollution problem have brought great inconvenience to the daily production and life of urban enterprises and residents. . ITS (Intelligent Transport System) Intelligent Transportation system is a comprehensive traffic management system in the 21st century. It depends on monitoring, controlling, inducing and optimizing the distribution of traffic flow in the urban road network, improving the efficiency of the urban network and improving the transportation efficiency of the whole urban transportation system. Traffic guidance and traffic control are two important components of Intelligent Transportation system (its). The premise of traffic flow guidance and control is to make a reasonable prediction of urban road network traffic. The main work of this paper is to design a combined traffic flow forecasting model to improve the accuracy of traffic flow prediction. Based on the analysis of the characteristics of urban traffic flow, this paper presents a combined forecasting model of urban traffic flow, which satisfies the urban traffic streamline, nonlinearity and paroxysmal. The basic idea of the model is that the traffic flow data is first predicted by a single model, in which the ARIMA model is used to represent the linear traffic data, the neural network partly reflects the nonlinear traffic data, and the K-neighborhood nonparametric regression model reflects the paroxysmal. The prediction results of single model are fitted with neural network. On the basis of the above research, the combined model is used to study the traffic flow forecasting at different time intervals and the traffic flow prediction at different time intervals. The model can be accurately predicted under different forecasting demand conditions, and the applicability of the model can be enhanced. The IBM SPSS Modeler software is used to model the experimental data provided by the Traffic data Research Laboratory of the University of Minnesota at Duluth. The results show that the combined model can achieve better accuracy than the general single model.
【学位授予单位】:兰州交通大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:U491.112

【相似文献】

相关期刊论文 前10条

1 史其信,郑为中;道路网短期交通流预测方法比较[J];交通运输工程学报;2004年04期

2 王进,史其信;神经网络模型在短期交通流预测领域应用综述[J];河南科技大学学报(自然科学版);2005年02期

3 向红艳;朱顺应;王红;严新平;;短期交通流预测效果的模糊综合评判[J];武汉理工大学学报(交通科学与工程版);2005年06期

4 王晓原;吴磊;张开旺;张敬磊;;非参数小波算法的交通流预测方法[J];系统工程;2005年10期

5 向红艳;肖盛燮;;模糊数学方法在交通流预测评价中的应用[J];重庆交通学院学报;2006年04期

6 王进;史其信;;基于非线性理论的短期交通流预测研究[J];西安建筑科技大学学报(自然科学版);2006年02期

7 黄洪琼;汤天浩;;基于最优梯度自适应优化算法的交通流预测[J];计算机工程;2007年07期

8 乔德华;张开禾;范耀祖;;多模型交通流预测优化[J];交通标准化;2007年04期

9 李冬;;关于交通流预测各种模型的探讨[J];今日科苑;2007年16期

10 马海波;何超;徐鹏;;交通流预测网格自适应负载平衡研究[J];科学技术与工程;2008年15期

相关会议论文 前5条

1 姜敏华;张晓东;;稳定转弯比例下的交通流预测[A];2007第三届中国智能交通年会论文集[C];2007年

2 闫伟;刘云岗;王桂华;;数据挖掘在交通流预测模型中的研究与应用[A];2008第四届中国智能交通年会论文集[C];2008年

3 陈岳明;萧德云;;拥堵条件下的路网交通流预测[A];2008’“先进集成技术”院士论坛暨第二届仪表、自动化与先进集成技术大会论文集[C];2008年

4 田夫;李勇;孙占全;;短时交通流预测方法研究[A];2007第三届中国智能交通年会论文集[C];2007年

5 王胜;万健如;杨岳枫;韩双;;基于蒙特卡罗法电梯交通流预测[A];天津市电机工程学会2012年学术年会论文集[C];2012年

相关博士学位论文 前1条

1 杨飞;基于回声状态网络的交通流预测模型及其相关研究[D];北京邮电大学;2012年

相关硕士学位论文 前10条

1 田珠;大规模路网实时交通流预测模型及应用研究[D];大连理工大学;2008年

2 李青;城市交通流预测关键技术研究[D];西南科技大学;2015年

3 邹中翔;基于组合预测模型的交通流预测研究[D];兰州交通大学;2015年

4 王渭巍;公路交通流预测中“机理+辨识”策略的若干基本问题[D];天津大学;2007年

5 蔡岩;基于灰色预测模型的短期交通流预测研究[D];西南交通大学;2009年

6 方宇;小波支持向量机在交通流预测中的应用研究[D];大连理工大学;2010年

7 徐玉霞;大规模路网动态交通流预测模型和算法研究[D];大连理工大学;2006年

8 刘秋平;神经网络在短期交通流预测中的应用研究[D];长安大学;2011年

9 彭栋栋;基于短—长期模型组合的交通流预测方法[D];山东理工大学;2012年

10 郁娇娇;云模型的交通流预测在智能旅游系统中的应用[D];电子科技大学;2013年



本文编号:2345460

资料下载
论文发表

本文链接:https://www.wllwen.com/guanlilunwen/wuliuguanlilunwen/2345460.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户e894a***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com