基于组合预测模型的交通流预测研究
[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
本文链接:https://www.wllwen.com/guanlilunwen/wuliuguanlilunwen/2345460.html