基于机器学习的交通流缺失数据填补和短时交通流预测方法研究

发布时间：2020-12-23 09:21

　　社会经济的迅速发展使得汽车保有量急速增长,道路供需不平衡的矛盾日益尖锐,导致各城市交通拥堵现象经常出现。相比于单纯依靠扩建道路基础设施来缓解交通拥堵,通过信息技术,建立可持续的智能交通系统（ITS）,能够有效的辅助交通疏导。同时随着数据采集技术和手段的进步,积累了大量的交通数据,但存在数据缺失或损坏的问题。准确、及时的交通流信息是ITS的基础,对交通拥堵的管理和控制有重要作用。因此,为更好地使用ITS提供数据支持,研究交通流缺失数据填补和短时交通流预测的方法很有必要。本文研究目的是为了提高交通流缺失数据填补的准确度和提高短时交通流预测的精度。考虑到交通流数据的非线性和复杂性,本文采用机器学习的方法,分析处理交通流数据,提出了基于领域-降噪堆叠自编码器（NN-DSAE）模型用于交通流缺失数据填补,提出了基于长短时记忆循环神经网络（LSTM）和决策树模型用于短时交通流预测。提出的交通流缺失数据填补模型中,首先介绍了自编码器、降噪自编码器、降噪堆叠自编码器和邻域的原理,在此基础上提出了基于NN-DSAE的填补方法。该方法首先对邻域给定范围进行改进,然后根据邻域知识找寻对交通流缺失数据填补相关... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

图１－１论文研宄框架??Ｆｉｇｕｒｅ?１－１?Ｔｈｅｓｉｓ?ｒｅｓｅａｒｃｈ?ｆｒａｍｅｗｏｒｋ??５??

图３－１?ＰＥＭＳ信息图??Ｆｉｇｕｒｅ?３－１?ＰＥＭＳ?ｉｎｆｏｒｍａｔｉｏｎ?ｍａｐ??获取的交通流数据格式如图３－２所示。??????????Ｄａｔａ?Ｑｕａｌｉｔｙ???５?Ｍｉｎｕｔｅｓ?＿＿?Ｌａｎｅ?１?Ｆｌｏｗ?（Ｖｅｈ＾５?Ｍｉｎｕｔｅｓ?ｊ｜Ｌａｎ＊?２?Ｆｌｏｗ?（Ｖ？ｈ／５?Ｍｉｎｕｔｅｓ）?Ｆｌｏｗ?（Ｖｅｈ／５?Ｍｉｎｕｔｅｓ｝?？?ｔａｎ？?Ｐ〇ｉｎｔｓＪ〇Ａｊ?Ｏｂｓｅｒｖｅｄ??０８／６ｘ７２０１６００：００?…＇＂１０＾?—＂?—?—Ｔｏ?＂ｌ２．０?２｜?ｌ６〇７６??〇８／〇ｖ／２〇ｉ６５〇ｒｑ５??＞２．？?ｓ．ｏ?Ｊ８?０?Ｗ?ｉｏｏ．ｏ??〇８／ｏｉ／２〇ｉ６￣Ｑ〇：ｒ〇?—??１．０｝?＇??Ｈ?￣?８Ｔｄ?２１?＾Ｖ〇５：〇??０８／０＾２０１６?００：?１５?二?６．０?３．０｝?９．０?＂３一￣．一？１００．０??０８／０１／２０１６?００：２０??—?＾．０＼??２

小波分析分解??３．２．３小波重构??小波重构即正交分解的逆变换，ｍａｌｌａｔ快速重构算法的过程如图３－６所示。??Ｃｎ?—？?Ｃｎ．ｉ?…?Ｃ２?—？?Ｃｉ?—？?Ｃ〇??ｄｎ?＼?ｄｎ．ｉ?？？？?ｄ２?＼?ｄｉ?’??图３－６?Ｍａｌｌａｔ重构算法??Ｆｉｇｕｒｅ３－６?Ｍａｌｌａｔ?ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ?ａｌｇｏｒｉｔｈｍ??进而小波重构函数可由公式（３－１０）表示。??ＣｊＭ?￣＾ｊＣｊ＋＼，ｎＫ－２ｎ?＋ｙ＾ｊ＾ｊ＋＼，ｎＳｋ－２ｎ?（３－ｌ〇）??ｎ?ｎ??３．３小波函数的选取??３．３．１小波基函数??不同于傅里叶分析中的正弦波，小波分析中的小波函数不是唯一的，小波函??数只要满足小波条件即可，在使用时需要根据实际问题来选取合适的小波基函数，??下面介绍几种常见的用于交通领域的小波函数［４５］。??（１）?Ｈａａｒ?小波??Ｈａａｒ是使用最早的小波，是阶跃函数，如图３－７所示，可由公式（３－１１）表示。??ｌ?０＜ｘ＜＼／２??＇Ｆ，，?＝＜?－１?１／２＜ｘ＜１?（３－１１）??０其它??？－Ｓ｜?????????????９?？??？ａ?ｓ?？??＾０?ｔｉ??ｔｉ?ｔ??

【参考文献】：
期刊论文
[1]中值滤波结合小波变换在光谱去噪中的应用[J]. 龚梦龙.  科技与创新. 2018(12)
[2]交通流缺失数据处理方法比较分析[J]. 孟鸿程,陈淑燕.  交通信息与安全. 2018(02)
[3]交通流缺失数据的修补技术探究[J]. 袁媛,邵春福,林秋映,何兆成,谭美琳.  中国公共安全(学术版). 2016(04)
[4]基于决策树的煤化工污染物定量化溯源研究[J]. 郏奎奎,刘海滨.  环境工程. 2016(S1)
[5]一种基于小波变换的LTE系统下行链路信道估计算法[J]. 马项楠,余立建.  西南科技大学学报. 2011(04)
[6]机器学习方法的应用研究[J]. 安增波,张彦.  长治学院学报. 2007(02)

博士论文
[1]基于机器学习的交通状态判别与预测方法研究[D]. 商强.吉林大学 2017
[2]深度学习模型的高效训练算法研究[D]. 陈凯.中国科学技术大学 2016

硕士论文
[1]基于极限随机树集成的短时交通流预测模型研究[D]. 龙艳芳.湖南大学 2017
[2]基于卷积神经网络的车牌识别技术研究[D]. 霍祥湖.电子科技大学 2017
[3]基于小波变换的交通流短时预测模型研究[D]. 曹征.北京交通大学 2010



本文编号：2933461