短时交通流量预测分析

发布时间：2020-05-23 07:07

【摘要】：目前,世界各地都在不断增加对智能交通系统的投入,提前对该系统进行战略布局,借此为城市找到新的发展点和新的生机。交通信息系统为城市提供快捷的交通引导,能够为城市公众出行提供必要的技术支持,也是交通事故处理系统的一个重要分支。交通流量预测是解决交通信息系统的一个关键点,但是城市的交通都具有其自身特点,且交通流具有一定的复杂性,用代数表达式准确的来分析它的变化情况和规律非常困难。因此,对交通流预测的研究具有十分重要的实际意义。深入研究XGBoost及light GBM原理,发现light GBM对特征筛选具有较好的优势;目前light GBM还未在短时交通流量预测研究中应用,其是否比XGBoost更适合进行短时交通流量预测,预测结果是否更加可靠、准确性是否更高、花费时间是否更短,成为一个亟待验证的问题。通过短时交通流的典型特征对模型的适用性的分析,依据道路网、节假日及天气等情况进行空间和时间复杂度的分析建模,结合实测的历史交通流数据进行预测仿真;选取BP神经网络、随机森林、线性回归、XGBoost、light GBM这五种短时交通流量预测方法来搭建相应的预测模型,验证light GBM算法对交通流的预测效果。然后使用light GBM对已经搭建的模型参数进行特征的排序筛选处理,使模型参数更加可靠、准确性更高。通过light GBM和其他四种方法搭建模型进行交通流预测,对比分析预测结果可以发现,无论是否进行特征排序筛选处理,light GBM搭建的模型都要远远优于其它四种方法搭建的模型,且light GBM对短时交通流量的预测结果最佳。在五种模型预测中,经过light GBM特征筛选排序处理后,模型的预测结果更贴近真实数据。与light GBM相比XGBoost的训练速度慢,不能较好反映交通流的时变性特征。验证了light GBM可以大幅度的提高模型的预测精确度,为解决交通流预测问题提供了一个更加精确可靠的方法。
【图文】：

整体框架结构，如图2.1 所示 图 2.1 总体设计流程图2.4 本章小结本章主要介绍了短时交通流量预测相关的内容及其特有的一些交通流特征，并简要阐述了本文的预测方法及本文所采用方法整体的

预测相关理论法原理分析法原理很长的使用历史，它是相对较早的一种统计方式过该方法的使用，我们可以找出数据潜在的深中的很多点都尽可能处在或者接近这条直线 在上，，线性回归分析得到的是空间里面的一个面线性直线，当然在多维空间中，也会呈现出类它是对直线的高维模拟[23] 看出，是一个二维空间的线性回归 图中有许落在或者靠近这条直线，这条直线就是线性回归的预测，并且也测得到的数据值一定是一个处于
【学位授予单位】：兰州交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U491.14

【相似文献】

相关期刊论文 前10条

1 徐依虹;;基于移动平均法预测短时交通流参数的步长选定[J];中国水运(下半月);2017年04期

2 于振洋;;小波消噪的神经网络短时交通流量预测模型[J];计算机仿真;2012年09期

3 田晶;杨玉珍;陈阳舟;;短时交通流量两种预测方法的研究[J];公路交通科技;2006年04期

4 蒋海峰;马瑞军;魏学业;温伟刚;;一种基于小数据量的快速识别短时交通流混沌特性的方法[J];铁道学报;2006年02期

5 华冬冬,陈森发;非线性短时交通流的一种神经网络预测方法[J];现代交通技术;2004年01期

6 韦凌翔;陈红;王永岗;张敏;王龙飞;;基于相关向量机的短时交通流量平滑处理方法[J];西北大学学报(自然科学版);2017年01期

7 马飞虎;饶志强;;城市道路短时交通流预测方法研究[J];公路;2017年06期

8 张晗寒;梁禹民;陶世宁;韩旭;;基于大数据的交通信号实时优化研究[J];工程建设与设计;2017年05期

9 陆海亭;张宁;黄卫;夏井新;;短时交通流预测方法研究进展[J];交通运输工程与信息学报;2009年04期

10 宁云隆;刘丹;许淑伟;;路口短时交通流量预测方法[J];科技资讯;2009年13期

相关会议论文 前4条

1 翁小雄;翦俊;;短时交通流频谱分析与预测[A];第二十六届中国控制会议论文集[C];2007年

2 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

3 张利;李星毅;施化吉;;一种基于ARIMA模型的短时交通流量改进预测算法[A];2007第三届中国智能交通年会论文集[C];2007年

4 张军;;智能交通学术研究进展[A];中国机械工程学会机械自动化分会&中国自动化学会制造技术专委会学术工作进展报告 2017[C];2017年

相关重要报纸文章 前2条

1 记者 李君光 通讯员 梁书文;春节假期车流量创新高达37万余辆[N];北海日报;2017年

2 本报记者 李婵;交通拥堵为何预测不准[N];北京科技报;2010年

相关博士学位论文 前1条

1 张晓利;基于非参数回归的短时交通流量预测方法研究[D];天津大学;2007年

相关硕士学位论文 前10条

1 李星;融合天气因素的短时交通流深度预测算法[D];长安大学;2018年

2 熊芷萱;基于改进的极限学习机短时交通流预测模型研究[D];湖南大学;2016年

3 康丹青;基于深度学习的短时交通流预测方法研究[D];哈尔滨理工大学;2018年

4 刘永超;短时交通流量预测分析[D];兰州交通大学;2018年

5 乔松林;基于深度学习的短时交通流量预测研究[D];青岛大学;2018年

6 王苗苗;基于机器学习的短时交通流预测方法研究[D];长安大学;2017年

7 饶志强;南昌市短时交通流预测方法研究[D];华东交通大学;2017年

8 刘芳;短时交通流量预测方法及应用[D];长沙理工大学;2015年

9 王小英;道路网短时交通流分析与预测[D];武汉理工大学;2010年

10 徐颖超;基于组合模型的短时交通流的预测研究[D];兰州交通大学;2014年

本文编号：2677323