基于网格的短时交通状态预测研究

发布时间：2020-06-18 08:14

【摘要】： 交通工具的普及使得人们的出行日益方便,同时交通拥挤、交通事故所造成的环境污染和经济损失成为全球关注的热点问题。本文针对这一问题展开研究,致力于利用先进的技术和方法对城市道路交通状况进行预测,通过对现有交通预测模型的比较发现,短时交通状态预测模型普遍存在模型预测效率与算法执行效率的矛盾。因此本文结合网络资源现状,提出了一种利用网络空闲资源进行城市路网交通状态短时预测的改进的非参数回归预测模型。 本文通过对一般非参数回归模型的深入研究,针对短时交通状态预测的特点,对非参数回归模型进行改进,定义了描述城市路网交通状态的向量结构,并以层次化对象的格式存入到历史样本数据库中,利用交通状态的周期可重现特性降低历史数据库规模,提高查询效率。此外,本文从数据库的存储结构、聚类方法、交通状态向量的距离、KNN ( K Nearest Neighbor )搜索算法和预测函数与误差反馈等多个方面对非参数回归预测模型进行改进,从而提高预测结果的准确度。 为了提高改进的非参数回归算法的计算效率,满足短时交通状态预测的要求,本文构建了基于最小迁移代价的多级自治域网格管理模型,并针对此模型提出了资源计算能力指数任务分配模型和最小迁移代价作业调度模型,以及基于同步数据缓存的Web数据发布平台。经过模拟测试,改进的非参数回归模型和网格信息平台能够从预测精度和算法执行时间上有效的满足短时交通状态预测的需求。
【学位授予单位】：吉林大学
【学位级别】：博士
【学位授予年份】：2010
【分类号】：F224;F50
【图文】：

通过变 k 近邻搜索进行短时交通流预测，预测精度可以达到 80% 以上，交通流量预测结果与实际数据的对比结果如图 4.9 所示。图4.9 预测结果与实际数据的对照Fig.4.9 Forecasting Results Contrast with the Actual Data通过基于搜索半径 R 的变 k 近邻搜索，非参数回归模型的预测精度能够达到短时交通状态预测要求。4.6 小结起源于混沌理论的非参数回归模型具有良好的预测精度，特别适合于具有非线性和不确定性的短时交通状态的预测。本章针对短时交通状态预测的特点，结合非参数回归方法的基本原理，从细节出发，针对非参数回归方法的各主要步骤进行改进，对交通状态样本库进行浮动 k-中心聚类，并采用嵌套表进行优化；提出55

城市路网短时交通状态预测是交通控制系统和交通诱导系统的前提和基础，国内外的专家学者对于城市路网短时交通状态预测方法和预测模型的研究一有间断过。然而预测精度和预测效率之间的矛盾，始终是此类模型的瓶颈所在文针对城市路网短时交通状态预测的具体应用，证明了改进的非参数回归短通状态预测模型具有较高的预测精度，同时提出了提高变 k 近邻向量搜索的的 MHSGD 网格平台。本章将针对具体的实验环境，讨论利用该平台解决大规网短时交通状态预测的时效性问题。.1 实验平台的搭建为了解决改进的非参数回归预测模型的变 k 近邻向量搜索算法的效率问题文构建了 MHSGD 网格模拟环境，如图 6.1 所示。

【相似文献】

相关期刊论文 前10条

1 赵春辉;田铮;陈占寿;;非参数模型均值函数结构变点的Bootstrap检测[J];数理统计与管理;2011年04期

2 朱景瑜;陈烨;;基于关键路径的动态交通信息研究[J];黑龙江科技信息;2011年23期

3 刘薇;常振海;;异方差半参数回归模型小波估计的渐近正态性[J];天水师范学院学报;2011年02期

4 ;[J];;年期

5 ;[J];;年期

6 ;[J];;年期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

相关会议论文 前10条

1 古佳;;非参数回归模型的研究与应用[A];第十二届中国青年信息与管理学者大会论文集[C];2010年

2 叶阿忠;;我国通货膨胀的核估计和k-近邻估计[A];计算机模拟与信息技术会议论文集[C];2001年

3 庄斌;杨晓光;吴志周;;动态路网交通状态估计理论及其在ATMS中的应用[A];第一届中国智能交通年会论文集[C];2005年

4 段青;赵建国;丁青艳;潘景山;;城市道路交通状态判别方法探讨[A];2007第三届中国智能交通年会论文集[C];2007年

5 储浩;杨晓光;吴志周;伍速锋;;交通移动采集技术及其适用性分析[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（上册）[C];2005年

6 苏岳龙;许闻达;程思瀚;姚丹亚;张毅;;混合交通状态下交叉口通行能力分析[A];2008第四届中国智能交通年会论文集[C];2008年

7 徐进学;于双和;徐丽君;;高速路入口匝道的模糊神经网络自适应协调控制[A];2009年中国智能自动化会议论文集（第五分册）[东南大学学报（增刊）][C];2009年

8 汤志康;谈蔚欣;王伟智;;多分类器融合的交通状态预测[A];2006中国控制与决策学术年会论文集[C];2006年

9 杜豫川;周小鹏;郝媛;孙立军;;基于实时检测数据的交通拥挤检测算法研究[A];第二届中国智能交通年会论文集[C];2006年

10 段进宇;邹庆;;北京市的交通规划环境影响评价研究构想[A];规划50年——2006中国城市规划年会论文集（上册）[C];2006年

相关重要报纸文章 前10条

1 清华大学交通研究所所长 陆化普 本报见习记者 郭晶 整理;城市结构对交通状态的影响很大[N];中国汽车报;2005年

2 记者 李松　黄洁 实习生 宋方舟;“不挪车致堵”罚单开出4176笔[N];法制日报;2010年

3 记者 王永群;安徽智能交通项目有望全国推行[N];中国经济时报;2010年

4 国家智能交通系统工程技术研究中心王笑京;智能交通系统能为我们做什么[N];科技日报;2002年

5 陈嘉;全面治理交通“老大难”问题[N];人民公安报·交通安全周刊;2006年

6 马利民;地震来袭 成都市民情绪基本稳定[N];法制日报;2008年

7 王薇薇;道路交通寻求实现持续发展[N];经济日报;2007年

8 马钢;人是交通安全的决定因素[N];延安日报;2007年

9 南方周末记者 夏榆邋实习生 陈星 陈倩儿;孙静：别把我的冷静叫勇敢[N];南方周末;2008年

10 记者　杨进 通讯员　卢绍琨 朱学权;内环路将全线闭路电视监控[N];广州日报;2006年

相关博士学位论文 前10条

1 王新颖;基于网格的短时交通状态预测研究[D];吉林大学;2010年

2 宋淑敏;非常态下异常道路交通状态信息获取技术研究[D];吉林大学;2012年

3 毕松;交通状态视觉识别方法研究[D];北京邮电大学;2012年

4 李启朗;路口瓶颈处交通状态的相图及元胞自动机模型研究[D];中国科学技术大学;2012年

5 李周平;经验似然方法的若干应用[D];兰州大学;2010年

6 杜长海;计算智能及其在城市交通诱导系统中的应用研究[D];重庆大学;2009年

7 戢晓峰;基于交通信息提取的区域路网拥挤管理方法[D];西南交通大学;2009年

8 戴红;基于模糊理论的交通信息处理技术研究[D];吉林大学;2007年

9 翁剑成;面向车载导航应用的短时交通预测关键技术研究[D];北京工业大学;2007年

10 管青;区域交通信号控制与交通诱导协同理论与关键技术研究[D];吉林大学;2009年

相关硕士学位论文 前10条

1 章渺;高速公路基本路段实时交通状态识别方法[D];长安大学;2011年

2 张云霞;两种数据的非参数回归及其渐近性质[D];燕山大学;2012年

3 孟娟;非常态事件下道路交通状态评价指标体系研究[D];吉林大学;2012年

4 赵晟琪;基于交通状态时空模型的区域路网性能分析方法研究[D];吉林大学;2010年

5 吴建伟;基于地图匹配的城市干道交通状态实时判别方法研究[D];华南理工大学;2011年

6 岳耀胜;基于视频的饱和交通状态下单路口信号控制方法研究[D];北方工业大学;2012年

7 龙杏芬;非参数回归模型的Bayes估计方法及其应用研究[D];西安理工大学;2010年

8 季韬;函数型非参数回归模型异方差检验[D];合肥工业大学;2010年

9 姜东;基于GPS数据的道路交通状态判别方法研究[D];长安大学;2011年

10 任淑云;基于粒子滤波算法的交通状态估计研究[D];北京交通大学;2010年

本文编号：2718963