面向移动感知数据的交通状态预测方法研究
发布时间：2021-07-12 21:21
随着智能手机的日渐普及,移动群智感知网络通过智能终端设备搭载的多种传感器来采集各种感知数据,然后通过移动互联网传输至数据中心,这些数据可以便捷高效地应用于交通、社交等领域中。相较于传统智能交通感知网络多使用感应线圈、GPS、浮动车等技术采集数据,移动群智感知网络在部署和维护成本上优势比较大,在智能交通系统中得到了越来越广泛的应用,成为了新的研究热点。而实时交通状态预测可以用于交通流的控制和诱导,能有效缓解道路交通拥堵、提高道路利用率。从移动群智感知环境下获取的车速数据出发,对未来的交通状态进行更加准确的预测,可以降低智能交通基础设施建设成本,同时提高智能交通管理效率,因此研究移动感知环境下交通状态的预测具有重要意义。针对传统的基于实时数据的交通控制与诱导对交通状态缺乏预见性,且有明显的滞后性的问题,本文从移动群智感知环境下获取的车速数据出发,以支持向量回归算法（SVR）为基础,引入周期性算子,并采用布谷鸟算法（CSA）确定周期性SVR（SSVR）中的主要参数,提出了 CSA-SSVR,对道路未来车速进行预测,据此判断道路的未来交通状态。实验表明,CSA-SSVR在移动群智感知环境下对于...
【文章来源】：长沙理工大学湖南省
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
图２．?１移动群智感知模型??将模型中的实体集合表示为Ｅ，模型中存在四个实体，ｅＡ即用户（Ｕｓｅｒ）、社会活??
?硕士学位论文???开始??数据预处理??／????＾???模型结构选择??否??参数估计??是???＾???导出预测模型??图２．?２?ＡＲＩＭＡ模型预测流程图??其中ｘ（Ｘ）表示ｆ时刻的交通参数，表示白噪声，舛幻表示自回归系数，若时间??序列符合该式，称为服从ｐ阶的自回归模型，记为ＡＲ（ｐ）。??移动平均模型如公式（２．２）所示。??ｘ（／）?＝?＾?０｛ｋ）ｘ｛ｔ?－?ｋ）?＋ｕ（ｔ）?（２．２）??ｋ＝＼??其中外幻表示移动平均系数，若时间序列符合该式，称为服从ｑ阶的移动平均模型，??记为ＭＡ（ｑ）。??自回归移动平均模型如公式（２．３）所示。??ｘ（／）＝以⑷耶－尧）＋办⑷ｘ（卜走）切（／）?（２．３）??ｋ＝＼?ｋ＝＼??１４??
?硕士学位论文???修正??差值￡??：ｈ眷??输入层?误差??隐层??图２．?３?ＢＰ神经网络结构图??①初始化ｂｐ神经网络模型。根据输入向量ｙ与输出向量ｒ的维度，手工设定神经??网络的总层数，激励函数，学习率７，输入层、隐层、输出层的神经元个数《、／、Ｗ，??由系统随机初始化输入层到隐层的权重％，隐层到输出层的权重％，，隐层各神经元的??阈值向量３，输出层各神经元的阈值向量５。??②计算隐层输出。使用隐层激励函数／（＊）计算得到隐层输出如??公式（２．５）所示。??ｆ?ｎ?＼??ｈｊ＝ｆ?Ｙ／°ｕｘｉ－ａｊ?（２．５）??Ｖ?／＝ｉ?ｙ??③计算输出层。按照公式（２．６）计算得到输出层输出７?＝（只，乃，．．．，乂）７＂。??ｙｋ?＝Ｙ，Ｈｊ（°ｙ￣ｂｋ?（２．６）??７＝１??④计算预测误差。根据网络预测输出ｙ和期望输出ｆ，计算网络预测误差??￡?＝?如公式（２．７）所示。??Ｅ?＝?Ｙ－Ｙ?（２．７）??１６??
【参考文献】：
期刊论文
[1]Simpson改进的灰色神经网络在汽车保有量中的预测[J]. 吴文青,夏杰. 重庆交通大学学报(自然科学版). 2019(09)
[2]布谷鸟搜索算法综述[J]. 张晓凤,王秀英. 计算机工程与应用. 2018(18)
[3]基于PSO的BP神经网络-Markov船舶交通流量预测模型[J]. 范庆波,江福才,马全党,马勇. 上海海事大学学报. 2018(02)
[4]遗传算法优化BP神经网络的交通流参数预测[J]. 车国鹏,刘永红. 综合运输. 2018(06)
[5]边缘计算:万物互联时代新型计算模型[J]. 施巍松,孙辉,曹杰,张权,刘伟. 计算机研究与发展. 2017(05)
[6]群智感知激励机制研究综述[J]. 吴垚,曾菊儒,彭辉,陈红,李翠平. 软件学报. 2016(08)
[7]基于布谷鸟搜索算法的SVR参数选择[J]. 何思露,韩坚华. 华南师范大学学报(自然科学版). 2014(06)
[8]基于K-均值聚类算法RBF神经网络交通流预测[J]. 管硕,高军伟,张彬,刘新,冷子文. 青岛大学学报(工程技术版). 2014(02)
[9]移动群体感知技术研究[J]. 熊英,史殿习,丁博,邓璐. 计算机科学. 2014(04)
[10]基于改进的网格搜索SVR的话务预测模型[J]. 郭美丽,覃锡忠,贾振红,陈丽. 计算机工程与科学. 2014(04)
硕士论文
[1]多源异构交通数据质量控制关键技术研究[D]. 曹云舒.吉林大学 2015
[2]城市交通网络拥堵产生及传播的动态模型研究[D]. 谢琛.上海交通大学 2007
本文编号：3280682
【文章来源】：长沙理工大学湖南省
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
图２．?１移动群智感知模型??将模型中的实体集合表示为Ｅ，模型中存在四个实体，ｅＡ即用户（Ｕｓｅｒ）、社会活??
?硕士学位论文???开始??数据预处理??／????＾???模型结构选择??否??参数估计??是???＾???导出预测模型??图２．?２?ＡＲＩＭＡ模型预测流程图??其中ｘ（Ｘ）表示ｆ时刻的交通参数，表示白噪声，舛幻表示自回归系数，若时间??序列符合该式，称为服从ｐ阶的自回归模型，记为ＡＲ（ｐ）。??移动平均模型如公式（２．２）所示。??ｘ（／）?＝?＾?０｛ｋ）ｘ｛ｔ?－?ｋ）?＋ｕ（ｔ）?（２．２）??ｋ＝＼??其中外幻表示移动平均系数，若时间序列符合该式，称为服从ｑ阶的移动平均模型，??记为ＭＡ（ｑ）。??自回归移动平均模型如公式（２．３）所示。??ｘ（／）＝以⑷耶－尧）＋办⑷ｘ（卜走）切（／）?（２．３）??ｋ＝＼?ｋ＝＼??１４??
?硕士学位论文???修正??差值￡??：ｈ眷??输入层?误差??隐层??图２．?３?ＢＰ神经网络结构图??①初始化ｂｐ神经网络模型。根据输入向量ｙ与输出向量ｒ的维度，手工设定神经??网络的总层数，激励函数，学习率７，输入层、隐层、输出层的神经元个数《、／、Ｗ，??由系统随机初始化输入层到隐层的权重％，隐层到输出层的权重％，，隐层各神经元的??阈值向量３，输出层各神经元的阈值向量５。??②计算隐层输出。使用隐层激励函数／（＊）计算得到隐层输出如??公式（２．５）所示。??ｆ?ｎ?＼??ｈｊ＝ｆ?Ｙ／°ｕｘｉ－ａｊ?（２．５）??Ｖ?／＝ｉ?ｙ??③计算输出层。按照公式（２．６）计算得到输出层输出７?＝（只，乃，．．．，乂）７＂。??ｙｋ?＝Ｙ，Ｈｊ（°ｙ￣ｂｋ?（２．６）??７＝１??④计算预测误差。根据网络预测输出ｙ和期望输出ｆ，计算网络预测误差??￡?＝?如公式（２．７）所示。??Ｅ?＝?Ｙ－Ｙ?（２．７）??１６??
【参考文献】：
期刊论文
[1]Simpson改进的灰色神经网络在汽车保有量中的预测[J]. 吴文青,夏杰. 重庆交通大学学报(自然科学版). 2019(09)
[2]布谷鸟搜索算法综述[J]. 张晓凤,王秀英. 计算机工程与应用. 2018(18)
[3]基于PSO的BP神经网络-Markov船舶交通流量预测模型[J]. 范庆波,江福才,马全党,马勇. 上海海事大学学报. 2018(02)
[4]遗传算法优化BP神经网络的交通流参数预测[J]. 车国鹏,刘永红. 综合运输. 2018(06)
[5]边缘计算:万物互联时代新型计算模型[J]. 施巍松,孙辉,曹杰,张权,刘伟. 计算机研究与发展. 2017(05)
[6]群智感知激励机制研究综述[J]. 吴垚,曾菊儒,彭辉,陈红,李翠平. 软件学报. 2016(08)
[7]基于布谷鸟搜索算法的SVR参数选择[J]. 何思露,韩坚华. 华南师范大学学报(自然科学版). 2014(06)
[8]基于K-均值聚类算法RBF神经网络交通流预测[J]. 管硕,高军伟,张彬,刘新,冷子文. 青岛大学学报(工程技术版). 2014(02)
[9]移动群体感知技术研究[J]. 熊英,史殿习,丁博,邓璐. 计算机科学. 2014(04)
[10]基于改进的网格搜索SVR的话务预测模型[J]. 郭美丽,覃锡忠,贾振红,陈丽. 计算机工程与科学. 2014(04)
硕士论文
[1]多源异构交通数据质量控制关键技术研究[D]. 曹云舒.吉林大学 2015
[2]城市交通网络拥堵产生及传播的动态模型研究[D]. 谢琛.上海交通大学 2007
本文编号：3280682
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3280682.html
