面向交通事件持续时间预测的贝叶斯网络建模研究

发布时间：2017-07-18 20:12

  本文关键词：面向交通事件持续时间预测的贝叶斯网络建模研究

  更多相关文章： 交通事件 持续时间预测 贝叶斯网络 结构学习 MIT算法 ACOS算法 BNDT算法

【摘要】：交通事件是引发道路交通拥堵的主要因素之一,通过实时交通诱导等手段可以降低其对交通运行造成的影响,而及时准确地预测事件持续时间则是实现有效管控的前提条件。为探究影响事件持续时间因素之间的关系,构建更加科学的预测模型,本论文在国内外研究现状的基础上,构建了以ACOS算法为核心的贝叶斯网络预测模型,该模型基于MIT打分函数,融合自上而下的网络生长规则,引入蚁群并行算法进行全局结构搜索,增加节点随机选择机制及局部结构概率选择模式,保证结构空间的多样性,实现搜索效率的提高。根据贝叶斯网络模型参数,进一步将节点内部机理引入至贝叶斯决策树中,构建以BNDT算法为核心的改进贝叶斯决策树模型,该模型在CART算法的基础上,通过添加节点判别规则启动类别判定机制,融合朴素贝叶斯理论与贝叶斯网络推断方法,考虑属性节点间的依赖关系,以更加贴近实际情况。结合荷兰交通部门的交通事件数据对上述模型进行实证分析,揭示交通事件持续时间的影响机理,并进行结构化和定量表达,得到的贝叶斯网络预测模型的准确率在数据完备与缺失下分别为76.97%和93.23%,平均预测精度达87.82%。以误差20分钟为可接受的预测精度,贝叶斯分类模型在信息完备与缺失下的准确率为64.85%和63.64%。改进的贝叶斯决策树模型能够给出每个分枝的平均事件持续时间，，在数据完备的情况下,满足预测精度的事件达77%；在不同的信息缺失程度下,满足预测精度的事件最低占70%。实证分析结果表明,贝叶斯网络模型以及改进贝叶斯决策树模型,均能有效的对交通事件持续时间做出预测。
【关键词】：交通事件 持续时间预测 贝叶斯网络 结构学习 MIT算法 ACOS算法 BNDT算法
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-9
• 序言9-15
• 1 绪论15-25
• 1.1 研究背景及意义15-17
• 1.1.1 研究背景15-16
• 1.1.2 研究意义16-17
• 1.2 国内外研究综述17-20
• 1.3 研究目的及内容20-22
• 1.3.1 研究目的20-21
• 1.3.2 研究内容21-22
• 1.4 技术路线及论文结构22-25
• 1.4.1 技术路线22-23
• 1.4.2 组织结构23-25
• 2 贝叶斯网络模型研究基础25-33
• 2.1 贝叶斯网络建模方法25-26
• 2.2 贝叶斯网络优化算法26-27
• 2.3 贝叶斯决策树预测模型27-28
• 2.4 贝叶斯网络理论基础28-31
• 2.4.1 信息论基础28-29
• 2.4.2 卡方分布29-30
• 2.4.3 网络结构30-31
• 2.4.4 有向图邻接矩阵31
• 2.5 本章小结31-33
• 3 基于ACOS算法的贝叶斯网络模型33-43
• 3.1 BN网结构学习33-35
• 3.1.1 MIT评分函数33-34
• 3.1.2 网络生长规则34-35
• 3.2 ACOS搜索算法35-39
• 3.2.1 模型构建思路36-37
• 3.2.2 ACOS参数37-38
• 3.2.3 ACOS算法38-39
• 3.3 BN网模型预测39-42
• 3.3.1 预测模型构建40
• 3.3.2 分类模型构建40-41
• 3.3.3 推断模型构建41-42
• 3.4 本章小结42-43
• 4 引入BN节点的贝叶斯决策树模型43-53
• 4.1 决策树模型构建43-46
• 4.1.1 分裂规则43-44
• 4.1.2 终止规则44
• 4.1.3 剪枝规则44
• 4.1.4 CART算法44-46
• 4.2 贝叶斯节点优化46-48
• 4.2.1 朴素贝叶斯节点46-47
• 4.2.2 贝叶斯网络节点47-48
• 4.2.3 节点分类48
• 4.3 BNDT模型构建48-51
• 4.3.1 模型构建思路48-49
• 4.3.2 属性节点判别规则49-50
• 4.3.3 BN节点分类规则50
• 4.3.4 B节点分类规则50-51
• 4.4 本章小结51-53
• 5 交通事件持续时间预测模型53-81
• 5.1 交通事件持续时间数据描述53-56
• 5.1.1 数据来源53-54
• 5.1.2 数据描述54-56
• 5.2 交通事件持续时间的贝叶斯网络模型56-65
• 5.2.1 数据分类区间57-58
• 5.2.2 模型构建结果58-59
• 5.2.3 影响因素内部机理59-63
• 5.2.4 事件持续时间影响因素分析63-65
• 5.3 交通事件持续时间预测的贝叶斯网络模型65-72
• 5.3.1 BN预测模型构建65-68
• 5.3.2 BN分类模型构建68-70
• 5.3.3 BN预测结果分析70-72
• 5.4 交通事件持续时间预测的BNDT模型构建72-80
• 5.4.1 数据统计72-73
• 5.4.2 BNDT模型构建73-76
• 5.4.3 BNDT模型检验76-79
• 5.4.4 各类模型比较分析79-80
• 5.5 本章小结80-81
• 6 结论与展望81-83
• 6.1 研究结论81-82
• 6.2 研究创新点82
• 6.3 研究展望82-83
• 参考文献83-89
• 附录A89-91
• 附录B91-93
• 附录C93-99
• 附录D99-101
• 作者简历及攻读硕士学位期间取得的研究成果101-105
• 学位论文数据集105

【相似文献】

中国期刊全文数据库 前10条

1 赵志祥;周德邻;;数据调整的贝叶斯方法在微观核数据评价中的应用[J];核科学与工程;1985年01期

2 丁以华;;贝叶斯方法的发展及其存在问题[J];质量与可靠性;1986年01期

3 王宏洲;引信的可靠性评定——贝叶斯方法和经验贝叶斯方法[J];现代引信;1989年02期

4 吴伯贤;;贝叶斯方法在洪水频率分析中的应用[J];成都科技大学学报;1990年01期

5 张家新,王自力;贝叶斯方法在船体结构疲劳分析中的应用[J];造船技术;2000年05期

6 陈晓怀,程真英,刘春山;动态测量误差的贝叶斯建模预报[J];仪器仪表学报;2004年S1期

7 黎红;陶勇;;基于主观贝叶斯方法的装备故障概率分析[J];国防技术基础;2009年02期

8 冯为民;朱俊;李嘉荣;;贝叶斯方法在房地产风险决策中的应用研究[J];重庆建筑大学学报;2006年02期

9 鲁华;周德云;;贝叶斯网络的对地多目标攻击决策[J];火力与指挥控制;2008年07期

10 汪力;叶桦;夏良正;;贝叶斯框架下的人的检测[J];东南大学学报(自然科学版);2007年S1期

中国重要会议论文全文数据库 前10条

1 David Z.D'Argenio;;贝叶斯方法在实验室研究向临床的转化以及辨识隐含亚群体中的应用(英文)[A];中国药理学会临床药理学专业委员会会议暨第十次全国临床药理学学术会议论文集[C];2007年

2 姜峰;高文;姚鸿勋;;贝叶斯网络的推理和学习[A];全国网络与信息安全技术研讨会'2005论文集（下册）[C];2005年

3 丁东洋;刘希阳;;风险分析中的稳健贝叶斯方法[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

4 周桃庚;沙定国;;贝叶斯可靠性序贯验证试验方法[A];中国仪器仪表学会第三届青年学术会议论文集（下）[C];2001年

5 陈晓怀;程真英;刘春山;;动态测量误差的贝叶斯建模预报[A];第二届全国信息获取与处理学术会议论文集[C];2004年

6 杜鹏英;罗小平;何志明;;贝叶斯网络的发展及理论应用[A];第三届全国虚拟仪器大会论文集[C];2008年

7 杨丽;武海滨;李康;;无金标准诊断试验评价的贝叶斯方法及应用[A];2011年中国卫生统计学年会会议论文集[C];2011年

8 宁鹏达;;贝叶斯方法在风险投资项目决策中的应用[A];第四届中国科学学与科技政策研究会学术年会论文集（Ⅰ）[C];2008年

9 朱永生;;贝叶斯方法确定泊松变量的置信上限[A];中国物理学会高能物理分会第七届学术年会实验分会场论文集[C];2006年

10 王增忠;柳玉杰;施建刚;;建筑工程项目全寿命安全管理决策的贝叶斯方法[A];中国优选法统筹法与经济数学研究会第七届全国会员代表大会暨第七届中国管理科学学术年会论文集[C];2005年

中国博士学位论文全文数据库 前10条

1 阚英男;基于网格近似法的数控机床贝叶斯可靠性评估研究[D];吉林大学;2015年

2 贾海洋;贝叶斯网学习若干问题研究[D];吉林大学;2008年

3 黄友平;贝叶斯网络研究[D];中国科学院研究生院（计算技术研究所）;2005年

4 朱允刚;贝叶斯网学习中若干问题研究及其在信息融合中的应用[D];吉林大学;2012年

5 董立岩;贝叶斯网络应用基础研究[D];吉林大学;2007年

6 李小琳;面向智能数据处理的贝叶斯网络研究与应用[D];吉林大学;2005年

7 江敏;贝叶斯优化算法的若干问题研究及应用[D];上海大学;2012年

8 胡笑旋;贝叶斯网建模技术及其在决策中的应用[D];合肥工业大学;2006年

9 何岩;统计稀疏学习中的贝叶斯非参数建模方法及应用研究[D];浙江大学;2012年

10 范敏;基于贝叶斯网络的学习与决策方法研究及应用[D];重庆大学;2008年

中国硕士学位论文全文数据库 前10条

1 张路路;贝叶斯网络系统可靠性分析及故障诊断方法研究[D];山东建筑大学;2015年

2 徐冰;基于贝叶斯网络的传染病时空预警模型研究[D];长安大学;2015年

3 李艳强;基于不确定理论的酸洗线和镀锌线的视情维修策略研究[D];河北工程大学;2015年

4 王芸;贝叶斯AGARCH模型在我国商业银行利率风险度量中的应用[D];南京财经大学;2015年

5 侯欢欢;基于贝叶斯网络城市埋地燃气管线风险评价研究[D];首都经济贸易大学;2015年

6 王宇;贝叶斯参数更新在可靠性分析中的应用[D];南京航空航天大学;2014年

7 李福伟;贝叶斯压缩感知理论与技术[D];电子科技大学;2015年

8 李景囡;基于依赖分析的贝叶斯网络结构学习算法研究[D];西安电子科技大学;2014年

9 杨祥睿;基于贝叶斯网络的船撞桥风险评估研究[D];重庆交通大学;2015年

10 汤玉利;贝叶斯反问题的MAP估计及其一致性[D];上海交通大学;2015年

本文编号：559572