融合时空信息的短时交通流预测

发布时间：2017-04-15 23:19

  本文关键词：融合时空信息的短时交通流预测，，由笔耕文化传播整理发布。

【摘要】：为了准确描述交通流的时空演化过程并提高交通流短时预测的精度,融合时空交通流信息,即时间维度的交通流量信息和空间维度的路网耦合信息,构造基于GM(1,N)-Markov链的组合预测模型。将预测路段与关联路段看作是一个灰色系统并对其进行灰关联分析,通过对灰关联度最低阈值的设定,实现了空间信息的深度挖掘和对无效信息的过滤清洗;利用多维GM(1,N)模型对预测点与强关联点作全局、系统的分析预测,并针对GM(1,N)对随机性较大的数列可能出现预测失效的问题,引入马尔科夫链对模型进行修正;利用VISSIM对模型进行仿真验证,分别以2 min、5 min、10 min为时间间隔进行仿真模拟,预测平均相对误差分别为9.30%、5.95%、3.20%,模型精度均为优,证实模型是有效的。
【作者单位】： 西南交通大学交通运输与物流学院;
【关键词】： 智能交通 交通流预测 灰色系统 马尔科夫链
【基金】：四川省科技支撑计划项目(No.2014GZ0019) 四川省重点实验室研究基金项目(No.szjj2011-031)
【分类号】：U491.14
【正文快照】： 1引言交通流诱导和交通控制作为交通管理者管理与疏导城市交通的重要手段,关键基础在于交通流实时、动态和精准预测。对于短期交通流预测来说,随着预测间隔的减小,交通流量受突发性事件的影响较大,交通流参数序列呈现出明显的波动性、非平稳性、时变性、随机性和非线性。国内

【相似文献】

中国期刊全文数据库 前10条

1 偶昌宝,俞亚南;短时交通流预测的多层递阶方法[J];城市道桥与防洪;2004年05期

2 高丽梅;高鹏;陈俊波;;数据融合技术在短时交通流预测中的应用[J];交通科技;2010年S1期

3 唐世星;;改进的支持向量机算法在短时交通流预测中的应用[J];承德石油高等专科学校学报;2012年01期

4 王娇;李军;;最小最大概率回归机在短时交通流预测中的应用[J];公路交通科技;2014年02期

5 贺国光,李宇,马寿峰;基于数学模型的短时交通流预测方法探讨[J];系统工程理论与实践;2000年12期

6 宗春光,宋靖雁,任江涛,胡坚明;基于相空间重构的短时交通流预测研究[J];公路交通科技;2003年04期

7 杨世坚,贺国光;基于模糊C均值聚类和神经网络的短时交通流预测方法[J];系统工程;2004年08期

8 王进;史其信;;短时交通流预测模型综述[J];中国公共安全(学术卷);2005年01期

9 杨芳明;朱顺应;;基于小波的短时交通流预测[J];重庆交通学院学报;2006年03期

10 邓志龙;李全;陈茜;;基于灰色系统理论的短时交通流预测[J];公路交通技术;2006年01期

中国重要会议论文全文数据库 前3条

1 郑德署;何世伟;许旺土;;分形理论在短时交通流预测中的应用[A];2008第四届中国智能交通年会论文集[C];2008年

2 唐丽娜;张卫华;;短时交通流预测方法的比较研究[A];2007第三届中国智能交通年会论文集[C];2007年

3 于建玲;商朋见;关积珍;;改进的相空间重构方法在短时交通流预测中的应用[A];2008第四届中国智能交通年会论文集[C];2008年

中国博士学位论文全文数据库 前1条

1 姚智胜;基于实时数据的道路网短时交通流预测理论与方法研究[D];北京交通大学;2007年

中国硕士学位论文全文数据库 前10条

1 高为;基于数据挖掘和数据融合的短时交通流预测研究[D];重庆交通大学;2011年

2 尹振兴;“机理+辨识”策略在短时交通流预测中多种结果合成[D];天津大学;2008年

3 姜敏华;基于车行转弯比例稳定假设的短时交通流预测[D];上海交通大学;2008年

4 张蕊;城市道路短时交通流预测[D];五邑大学;2008年

5 韩超;短时交通流预测的研究[D];北方工业大学;2012年

6 张丽;基于云平台的短时交通流预测算法设计与实现[D];大连理工大学;2013年

7 胡洁;基于混沌和神经网络的短时交通流预测研究[D];武汉理工大学;2007年

8 凌帅;基于非参数回归的短时交通流预测系统设计[D];天津大学;2010年

9 王沥;基于改进神经网络的短时交通流预测研究[D];电子科技大学;2012年

10 胡枫;基于马尔科夫模型的短时交通流预测研究[D];南京邮电大学;2013年

  本文关键词：融合时空信息的短时交通流预测，由笔耕文化传播整理发布。

本文编号：309501