基于浮动车数据的短时交通流预测研究

发布时间：2024-05-10 04:07

　　随着城市人口不断增加,机动车数量增长过快,道路建设在结构功能各方面上无法满足交通需求等一系列原因,造成交通拥堵问题在我国愈演愈烈,所以缓解城市交通拥堵也成为了我国亟待解决的问题。实时而准确的预测交通流是发展智能交通管理系统的必要条件,它能够为交通系统提供实时有效的信息,使系统可以实现路径诱导,缓解道路拥堵,减少机动车对有害气体的排放等。因此,对短时交通流预测技术的研究具有深远的理论与现实意义。一些浅层的交通流预测模型未能充分学习交通流数据的本质特征,并由于交通运输系统的特征表现为数据量大,特征维度高,一些交通流预测模型的预测效果有待提高。为了实现实时、准确的短时交通流预测,并针对短时交通流数据所表现的的非线性时间与空间的相关性,在传统的深度信念网络基础上,本文通过添加高斯噪声,考虑不同节点的预测任务贡献,通过对新的CRBM堆叠,并在顶层连接回归器,以FR-CG算法进行全局微调构成CDSHybrid组合模型来预测短时交通流。通过对北京2014年12月二环、三环路出租车浮动交通流数据进行筛选、异常数据修补、去噪声等步骤,提取出平均速度、交通量两个重要的交通流参数,利用本文设计的短时交通流预...

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景和意义
    1.2 研究及应用现状
        1.2.1 短时交通预测研究现状
        1.2.2 深度学习研究现状
    1.3 交通流预测方法综述
    1.4 本文的研究内容
    1.5 本文的组织结构
2 相关理论与技术介绍
    2.1 交通流预测相关概念
        2.1.1 交通流参数
        2.1.2 交通流的主要性质
        2.1.3 影响交通流的因素
    2.2 深度信念网络
        2.2.1 限制玻尔兹曼机模型
        2.2.2 深度信念网络模型
    2.3 支持向量回归
3 数据预处理
    3.1 数据来源
    3.2 数据筛选
    3.3 异常数据修补
    3.4 数据归一化处理
    3.5 本章小结
4 模型设计
    4.1 短时交通流分析
        4.1.1 交通流
        4.1.2 交通流预测
    4.2 短时交通流预测流程
    4.3 交通流参数分布特性
        4.3.1 交通量时空分布特性
        4.3.2 平均速度时空分布特性
    4.4 基于CDSHybrid模型的交通流预测模型
        4.4.1 深度信念网络模型
        4.4.2 连续型RBM
        4.4.3 基于FR-CG算法的全局微调
        4.4.4 算法设计
    4.5 交通拥堵识别模型
        4.5.1 交通拥堵评价指标阈值
        4.5.2 信息熵加权
        4.5.3 交通拥堵识别
    4.6 本章小结
5 实验分析
    5.1 实验准备
    5.2 模型评价
    5.3 基于CDSHybrid模型的短时交通量预测模型
        5.3.1 模型层数选择
        5.3.2 隐藏层节点个数选择
        5.3.3 短时交通量预测结果
        5.3.4 CDSHybrid模型与其他方法对比
        5.3.5 模型鲁棒性验证
    5.4 基于CDSHybrid的短时平均速度预测模型
        5.4.1 短时平均速度预测结果
        5.4.2 CDSHybrid模型与其他方法对比
        5.4.3 模型鲁棒性验证
    5.5 交通拥堵预测结果
    5.6 本章小结
结论
参考文献
附录A 交通拥堵综合阙值结果图
附录B 交通量预测结果图
附录C 平均速度预测结果图
附录D 交通拥堵预测结果图
致谢



本文编号：3968697