基于支持向量机的高速公路交通量预测研究

发布时间：2021-11-19 08:52

　　交通量的预测是提高交通运输管理水平、降低运输成本的重要手段之一,同时也是进行交通状况评价、路网规划、线路改造以及工程建设项目可行性分析的基础。因此,研究高速公路交通量预测具有重要的意义。本文在深入分析比较各种交通量预测方法的基础上,研究了利用支持向量机进行交通量预测方法并进行了实际应用。首先,对收费站出口数据进行了数据预处理,使之转化为预测分析数据集。然后,深入的研究了灰色理论预测方法和神经网络预测方法,并使用这些方法对现有数据集进行对比预测。重点研究了支持向量机预测模型的建模方法,包括数据归一化、核函数选择、模型参数选择等,建立了基于支持向量机的交通量预测模型,对西潼高速公路的渭南西与渭南东两站间的路段进行了交通量预测,平均误差率仅为2.5%。最后对基于支持向量机交通量预测软件进行了详细设计。预测结果表明,支持向量机用于交通量的预测是可行及有效的。所研究的支持向量机预测模型在陕西省公路资源整合项目的“综合分析决策支持系统”中得到了应用。 

【文章来源】：长安大学陕西省 211工程院校 教育部直属院校

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题背景及研究意义
    1.2 国内外研究现状
        1.2.1 交通量预测发展现状
        1.2.2 支持向量机研究现状
    1.3 主要内容以及论文结构
第二章 交通收费数据的采集和预处理
    2.1 陕西省联网收费原始数据
        2.1.1 出口站数据
        2.1.2 路网结构
    2.2 陕西省收费数据采集
    2.3 陕西省收费数据预处理
    2.4 收费数据的日平均交通量转换
        2.4.1 MADT的计算
        2.4.2 当量换算
        2.4.3 目标数据集
    2.5 本章小结
第三章 交通量预测方法研究
    3.1 传统交通量预测方法
        3.1.1 时间序列预测方法
        3.1.2 交通量组合预测法
    3.2 灰色预测方法
        3.2.1 交通量灰色预测模型的建立
        3.2.2 西潼高速交通量灰色预测
    3.3 BP神经网络预测方法
        3.3.1 BP神经网络原理
        3.3.2 交通量BP神经网络预测模型设计
        3.3.3 西童高速交通量BP神经网络预测
    3.4 RBF神经网络预测方法
        3.4.1 RBF神经网络基本原理
        3.4.2 交通量RBF神经网络预测模型的设计
        3.4.3 西潼高速交通量RBF神经网络预测
    3.5 本章小结
第四章 基于支持向量机的预测模型研究
    4.1 支持向量机的理论基础
        4.1.1 统计学习理论
        4.1.2 支持向量机原理
        4.1.3 支持向量机回归
    4.2 支持向量机交通量预测模型的设计
        4.2.1 样本预处理
        4.2.2 核函数的选择
        4.2.3 模型参数选择算法
    4.3 西潼高速支持向量机预测
        4.3.1 样本的采集及预处理
        4.3.2 核函数及参数的选择
        4.3.3 预测结果及分析
    4.4 各种方法预测对比
    4.5 本章小结
第五章 基于支持向量机的交通量预测的系统设计
    5.1 系统概要设计
    5.2 高速公路交通量预测模块
        5.2.1 用户界面设计
        5.2.2 数据库设计
        5.2.3 程序算法设计
    5.3 本章小结
总结与展望
参考文献
附录
致谢


【参考文献】：
期刊论文
[1]时间序列分析的理论与应用综述[J]. 罗芳琼,吴春梅.  柳州师专学报. 2009(03)
[2]基于最小二乘支持向量机的非线性系统建模[J]. 相征,张太镒,孙建成.  系统仿真学报. 2006(09)
[3]支持向量机在模式识别中的核函数特性分析[J]. 李盼池,许少华.  计算机工程与设计. 2005(02)
[4]一种人工免疫与RBF神经网络结合的混合算法的应用[J]. 周颖,郑德玲,裘之亮,刘聪.  计算机工程与应用. 2004(01)
[5]基于最大信息熵原理的居民出行分布模型[J]. 曲昭伟,姚荣涵,王殿海.  吉林大学学报(工学版). 2003(02)
[6]一种新的支持向量回归预测模型[J]. 刘广利,杨志民.  吉首大学学报(自然科学版). 2002(03)
[7]基于确定性退火方法的短期负荷预测[J]. 赵登福,王蒙,张讲社,雷兵,张涛,周琳,王锡凡.  中国电机工程学报. 2001(07)
[8]由路段交通量推算OD出行量方法研究——基于多路径概率分配模型的迭代反推法[J]. 李景,彭国雄.  交通运输工程学报. 2001(02)
[9]由路段交通流量反估出行OD矩阵技术的应用[J]. 段进宇,缪立新,江见鲸.  清华大学学报(自然科学版). 2000(06)
[10]交通分布与熵[J]. 达庆东,张国伍,姜学峰.  公路交通科技. 1999(S1)



本文编号：3504706