基于多源数据的通勤高峰期交通流量预测方法
[Abstract]:With the acceleration of urbanization in China, traffic congestion is becoming a common problem in urban development, especially during the peak period of commuting. Accurate prediction of traffic flow during commuting peak is the key to alleviate traffic congestion. On the other hand, with the development of intelligent transportation and the cross-integration of multi-disciplines, it has accumulated different types of massive multi-source data, such as taxi GPS location data, population registration data, insurance, social security data, and so on. These data reflect the commuter's travel law to some extent and provide data support for the forecast of commuter's rush hour traffic flow. However, how to analyze the temporal and spatial correlation from massive multi-source data and predict the traffic flow during commuting rush hours on the basis of this, there is still a lack of corresponding solutions. In this paper, a multi-source data based commuting peak traffic flow prediction method is proposed. According to the service radius and travel distance of different vehicles, the best scheme of commuting mode is summarized according to the relevant classification algorithm. It provides scientific decision for optimization design of macro traffic planning. The main contents of this thesis are as follows: 1. Based on the background of this paper, the significance of the research, traffic flow prediction at home and abroad related progress, put forward the research content of this paper; 2. According to the traffic flow collecting sensors, this paper classifies and arranges the traffic flow data of some typical roads in Nanan district of Chongqing, and summarizes three characteristics of urban road traffic flow: dynamic, and dynamic. Temporal similarity and spatial correlation; 3. Multi-source data preprocessing: from the basic population data, road network data, bus line data, taxi GPS track data and other multi-source data analysis, put forward a multi-source data preprocessing method to provide data preparation for traffic flow forecasting; 4. The principle of commuting peak traffic flow prediction: this paper introduces a non-motor vehicle travel statistical model which uses classical Dijkstra algorithm to calculate the shortest commuting distance, and a private car flow prediction model based on rail transit priority algorithm. This paper introduces a taxi flow forecasting model based on map matching algorithm, and then realizes the research of commuting peak traffic flow prediction based on multi-source data. In order to verify the correctness of this method, this paper takes Wuhan as the experimental area and proves that the commuting peak traffic flow prediction based on multi-source data breaks through the limitation of relying on historical traffic data. It provides a new method for traffic flow prediction and a new idea for traffic planning and simulation.
【学位授予单位】:西南交通大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:U491.14
【相似文献】
相关期刊论文 前10条
1 潘昱,张晶;基于城市路口相关性的交通流量预测[J];交通与计算机;2005年01期
2 刘世超;基于极大似然估计的路段交通流量预测[J];西南交通大学学报;2005年02期
3 刘长虹;陈志恒;黄虎;;城市短期交通流量预测方法的探讨[J];现代交通技术;2006年01期
4 侯明善;兰云;;基于自适应模糊神经推理网络的交通流量预测研究[J];机械科学与技术;2006年10期
5 胡丹;肖建;车畅;;提升小波支持向量机在交通流量预测中的应用[J];计算机应用研究;2007年08期
6 姚亚夫;刘侃;;基于遗传神经网络的交通流量预测研究[J];公路与汽运;2007年06期
7 范鲁明;贺国光;;改进非参数回归在交通流量预测中的应用[J];重庆交通大学学报(自然科学版);2008年01期
8 丛新宇;虞慧群;范贵生;;基于组合模型的交通流量预测方法[J];华东理工大学学报(自然科学版);2011年03期
9 刘长虹;黄虎;陈力华;吴伟蔚;;基于随机过程下的交通流量预测方法[J];上海工程技术大学学报;2006年02期
10 犹勇;;组合预测方法在城市交通流量预测中的运用[J];重庆工商大学学报(自然科学版);2007年02期
相关会议论文 前7条
1 庞清乐;;基于蚁群算法的交通流量预测[A];2009年中国智能自动化会议论文集(第三分册)[C];2009年
2 张勇;关伟;;基于多变量序列重构的交通流量预测[A];2008第四届中国智能交通年会论文集[C];2008年
3 刘强;朱敏;王小维;邱震宇;;灰色神经模型在空中交通流量预测中的应用[A];全国第19届计算机技术与应用(CACIS)学术会议论文集(下册)[C];2008年
4 刘智勇;徐今强;李水友;;城市交通流量的混沌时间序列预测[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年
5 周申培;严新平;;信息融合技术在交通流量预测中的应用[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(下册)[C];2005年
6 于江波;陈后金;;基于分段学习的BP神经网络的交通流量预测[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(下册)[C];2005年
7 蒋海峰;魏学业;张屹;;基于加权一阶局域法的短时交通流量预测的研究[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(下册)[C];2005年
相关硕士学位论文 前10条
1 胡孟杰;基于流量预测的交通信号控制技术研究[D];浙江工业大学;2014年
2 慕伟;城市道路交通流预测与路径选择研究[D];浙江工业大学;2015年
3 林海涛;面向短时交通流量预测的神经网络算法研究[D];南京邮电大学;2016年
4 谈X;基于路口相关性的变结构式组合交通流量预测的研究[D];合肥工业大学;2017年
5 许丽;基于多源数据的通勤高峰期交通流量预测方法[D];西南交通大学;2017年
6 张仁初;宁波港船舶交通流量预测研究[D];大连海事大学;2008年
7 朱文姗;拟建高速公路交通流量预测系统的设计与实现[D];中国科学院大学(工程管理与信息技术学院);2014年
8 李波;基于小波分析和遗传神经网络的短时城市交通流量预测研究[D];北京交通大学;2012年
9 何伟;模糊神经网络在交通流量预测中的应用研究[D];兰州交通大学;2012年
10 吴凯;基于神经网络的短时交通流量预测研究[D];南京邮电大学;2013年
,本文编号:2426520
本文链接:https://www.wllwen.com/kejilunwen/daoluqiaoliang/2426520.html