智能交通流量预测和多路径优化问题研究

发布时间：2020-07-20 08:59

【摘要】：智能交通系统已经逐渐成为解决各种交通问题的有效手段之一,本文主要针对其中的短时交通流量预测和路径规划问题展开研究,本文的研究成果主要是通过预测研究方案和规划研究方案的形式来展示;本文所设计的研究方案主要用于解决在没有实时数据情况下,交通应用软件如何快速的提供交通流量预测结果以及如何提供个人定制的道路规划方案的问题。针对短时交通流量预测问题,如何快速和准确的预测某条道路的交通流量是本文的主要问题。本文提出采用极端随机树与卡尔曼滤波的组合模型实现快速和准确交通量预测,该预测模型结合了卡尔曼滤波递推算法和极端随机树的优点:卡尔曼滤波递推算法可以提高运算效率,具有较高的快速信号处理能力;极端随机树可以根据特征参数的重要程度进行参数提取,可用于解决卡尔曼滤波发散问题。研究结果表明所提出的短期交通流量预测方法具有先进性和可实现性。另一方面,针对个人定制的道路规划问题,不仅需要考虑当前道路的交通情况,还应该考虑出行者对出行方式的偏好。个人偏好可以根据历史出行数据,利用数据挖掘相关方法计算得出。本文具体利用朴素贝叶斯算法计算出个人偏好情况,朴素贝叶斯算法是经典的预测算法,具有计算要求低,数据依赖性低等优点。最后,本文采用GS算法和蚁群优化来实现不同路径规划方案的设计。GS算法是一种资源配置机制,能较好的解决稳定匹配问题。蚁群优化是一种基于群智能的现代启发式算法,能较好的用于多限制条件下多选择的决策问题。针对本文提出的具体模型,利用GS算法的稳定匹配以及蚁群优化的信息素定义及挥发等规则设计不同的路径规划方案。本文最后通过仿真结果验证了所设计的路径规划方案具备较高的效益值。对本文的具体工作的简单总结如下:(1)采用极端随机树与卡尔曼滤波的组合模型,实现快速和准确的短期交通流量预测方案的设计。首先利用极端随机树从历史交通数据中选择出对交通量影响较大的特征参数,然后利用卡尔曼滤波通过所选出的参数实现交通流量的预测。(2)基于出行者的个人历史出行数据,采用朴素贝叶斯算法计算出行者对出行方式的喜好程度,作为路径规划方案设计的重要参数。(3)基于交通量预测结果以及个人偏好计算结果,分别采用GS算法、改进型蚁群优化算法实现个人化路径规划方案的设计。优化的准则是保证最短出行时间,避免拥堵的同时,充分考虑用户的个人喜好。(4)通过仿真验证并与几种常见方案进行对比,证明所提方案的优越性,以及指出方案中所存在的不足之处。通过本文的工作,提出了一种基于传统方法的新型组合模型,完成了快速和准确的交通流量预测方案的设计。提出针对已成熟算法进行简单改进以适用于新的场景,完成了个人定制的道路规划方案的设计。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U491.1
【图文】：

公交到站时间预测图

蚁群觅食仿真图

交通流量预测模型

【参考文献】

相关期刊论文 前7条

1 王东柱;杨琪;;欧洲合作智能交通系统发展现状及相关标准分析[J];公路交通科技;2013年09期

2 任永功;杨荣杰;尹明飞;马名威;;基于信息增益的文本特征选择方法[J];计算机科学;2012年11期

3 王爱平;万国伟;程志全;李思昆;;支持在线学习的增量式极端随机森林分类器[J];软件学报;2011年09期

4 李蕊;李伟;吴勇;;日本智能交通系统介绍及其借鉴[J];中国交通信息化;2011年01期

5 尚文倩;黄厚宽;刘玉玲;林永民;瞿有利;董红斌;;文本分类中基于基尼指数的特征选择算法研究[J];计算机研究与发展;2006年10期

6 李静梅,孙丽华,张巧荣,张春生;一种文本处理中的朴素贝叶斯分类器[J];哈尔滨工程大学学报;2003年01期

7 杨兆升,朱中;基于卡尔曼滤波理论的交通流量实时预测模型[J];中国公路学报;1999年03期

相关会议论文 前1条

1 张仪栋;;汽车智能化技术政策法规分析与建议[A];西南汽车信息：2016年第4期（总第361期）[C];2016年

相关硕士学位论文 前3条

1 谢洪彬;基于Hadoop的城市道路交通状态判别技术研究[D];华南理工大学;2016年

2 张蓉;基于多维多尺度数据的交通速度预测模型研究[D];浙江大学;2016年

3 李林;基于聚类分析和决策树算法的交通流量挖掘[D];江苏科技大学;2016年

本文编号：2763229