面向5G车联网的短时交通流预测方法与应用

发布时间：2021-07-09 13:38

　　随着人们生活水平的不断提高,城市出行也愈发显得多样化,日益庞大的出行量给当下的交通系统造成了巨大的压力,在此背景下智能交通控制系统（Intelligent Transportation System,ITS）应运而生并获得快速发展。其中,城市短时车流量预测（Short-term Traffic Flow Prediction）作为智能交通控制系统中的一个重要环节和分支显得尤为重要。然后车联网（Vehicular Ad-Hoc Network,VANET）通过V2X传输协议和无线通信实现在车与车、车与路、车与人和车与互联网之间的互联,以保障信息动态交互和车辆智能控制。5G移动网络具有高速率、低延时等众多优点,本文通过将车联网与5G网络相结合设计出一种基于5G车联网交通流预测模型,致力于推动ITS获得突破性发展。首先,针对KNN算法用于短时交通流预测中预测效率不高的问题,本文提出了一种改进的基于非参数回归的KNN短时交通流预测方法,该方法基于非参数回归的思想,通过KNN算法先在非预测时间段内,从历史数据中为系统寻找与当前状态相似的候选输入数据;然后在预测点从候选输入数据中识别用于预测的最佳... 

【文章来源】：南京邮电大学江苏省

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

车联网示意图

图 1.3 交通流预测在智能交通控制系统中的应用纪 60 年代以来，人们开始将工程上的很多已经经过验证且非常成交通流预测上，然后经过学者的不断研究和探索，逐渐发展出许起来，这些方法和模型基本可分为三个大类，依次为：基于数理能理论的方法和基于非线性回归理论的方法[18]。数理统计理论的方法是利用数理统计的方法对交通历史数据进行流量、行程时间、行车速度、占有率等数据进行交通流的预测。预测，通常来说未来的交通流与过去的交通流状况之间具有极大预测数据与历史数据之间的相关性来预测未来时刻的交通流量。方法和模型大概有：历史平均模型、线性回归模型、kalman 滤波ARIMA 模型等[19]。文献[20]分析了短时交通流的混沌特性，结合中的卡尔曼滤波短时交通流预测模型，提高了短时交通流预测的

为此，首先需要了解短时交通流相关的基础理论知识。本章分别介概念、短时交通流的主要特性、短时交通流预测性能的评价指标系数主要模型和方法的分类。在对比不同类型的预测方法及模型的预测效果当的预测算法来应对不同场景和路段的交通流预测，为后面的短时交交通流理论交通流的概念量是交通道路上行驶车辆的流量的简称，表示为某一时间段 t 到 t+ t间隔)内通过某一道路段并被该路段观测点检测到的实际的车辆的数目间隔 t≤15min 的预测称为短时（short-term）交通流预测[31]。

【参考文献】：
期刊论文
[1]基于KNN-LSTM的短时交通流预测[J]. 罗向龙,李丹阳,杨彧,张生瑞.  北京工业大学学报. 2018(12)
[2]面向5G车联网连通性关键理论综述[J]. 张登银,张敏,丁飞.  南京邮电大学学报(自然科学版). 2018(01)
[3]5G车联网展望[J]. 王良民,刘晓龙,李春晓,杨睛,杨卫东.  网络与信息安全学报. 2016(06)
[4]基于KNN回归的短时交通流预测[J]. 陈婧敏.  微型电脑应用. 2015(09)
[5]多源检测器的交通数据融合研究[J]. 史岩,董宏辉,张瑜,单庆超,刘锴.  道路交通与安全. 2015(03)
[6]5G移动通信发展趋势与若干关键技术[J]. 尤肖虎,潘志文,高西奇,曹淑敏,邬贺铨.  中国科学:信息科学. 2014(05)
[7]公路短时车流量预测模型研究[J]. 宋子房.  科学决策. 2014(04)
[8]灰色预测模型在高速公路车流预测中的应用[J]. 汪超,孙卫华,何元烈.  广东工业大学学报. 2012(01)
[9]车联网现状与发展研究[J]. 程刚,郭达.  移动通信. 2011(17)
[10]核函数法与最邻近法在短时交通流预测应用中的对比研究[J]. 钱海峰,陈阳舟,李振龙,杨玉珍.  交通与计算机. 2008(06)



本文编号：3273851