基于FPOP的交通流变点检测应用研究

发布时间：2024-10-03 00:32

　　许多传统的变点检测方法,在数据存在异常值时,常会推断出过多变点.本文专注于研究一类基于函数修剪的动态规划变点检测算法,它们可以高效地解决惩罚成本优化问题.本文分别从算法涉及的损失函数、惩罚参数、状态约束三个方面进行均值变点的检测研究,具体研究内容如下.针对异常值存在下均值变点的在线检测问题,研究高效的函数修剪最优分割(Functional Pruning Optimal Partitioning,FPOP)算法及稳健的R-FPOP(RobustFunctional Pruning Optimal Partitioning)算法,基于R-FPOP算法提出路段旅行时间预测方法.模拟结果表明,多种噪声分布下,使用三倍噪声标准差biweight损失的RFPOP算法检测性能较优.实例分析显示,所提方法得到的预测区间平均覆盖率为83.30%,预测效果优良.针对FPOP和R-FPOP算法惩罚参数自适应选择问题,将能在一系列惩罚中找到最优分割的CROPS(Changepoints for a Range of Penalties)算法与维数跳跃算法相结合,提出分段常数模型数据驱动惩罚参数自适应选择算法C...

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

图2.1FPOP函数修剪思想示例

图2.1FPOP函数修剪思想示例为实现递推函数修剪,将式(2.2)最小化问题作如下分解*()=min[min≤1(),()]=min[min≤1....

图2.3模拟数据示例(一)

贵州大学硕士学位论文图2.3模拟数据示例(一)为研究厚尾噪声对FPOP和R-FPOP算法性能的影响,分别考虑噪声分布为标准正态、(5)、(10)、(15)、(20)的情形.图2.3给出了前两种分布的示例时序.采用BIC惩罚=2^2log(....

图2.4路段旅行时间R-FPOP均值变点在线检测结果

集上路段Ⅰ、路段Ⅱ平均覆盖率分别为83.15%、83.44%,整体平均覆盖率为83.30%,预测精度较高,这说明提出的预测方法具有一定的实时性与有效性.图2.4路段旅行时间R-FPOP均值变点在线检测结果图2.5路段旅行时间预测区间示例24

图2.5路段旅行时间预测区间示例

行预测方法说明,时段[07:50,08:00)内依次检出在线变点07:12、07:48、07:48、07:48、07:48,根据前述路段旅行时间预测方法,依次计算得到预测值80.18、59.00、136.25、125.17、125.13,标准差14.21、14.21....

本文编号：4006543