基于小波变换的有效停车泊位多步预测模型

发布时间：2017-09-21 03:22

  本文关键词：基于小波变换的有效停车泊位多步预测模型

  更多相关文章： 有效停车泊位 多步预测 小波变换 多步预测策略 神经网络

【摘要】：随着机动车数量的飞速增长,城市停车需求也日益膨胀,城市中机动车停车已经成为一个十分严重的交通问题。停车泊位的预测对于驾驶员合理地选择停车场地、行车路线等具有重要意义。本文基于停车场有效停车泊位变化特性,提出了一种结合小波变换、预测策略和神经网络的多步预测方法。首先,将实测的停车泊位信息处理成研究需要的有效停车泊位时间序列,通过计算相关系数、波动率和李雅普诺夫指数等数学手段分析有效停车泊位的变化特性,为预测模型和训练集的选择奠定理论基础。之后通过选择合适的小波函数对有效停车泊位时间序列进行多尺度的小波分解与重构,然后分别使用迭代法、直接法、多输入多输出法、直接多输出法(直接法与多输入多输出法的组合策略)以及本文新提出的迭代多输出法(迭代法与多输入多输出法的组合策略)五种多步预测策略对重构后的时间序列采用神经网络进行预测,最后将重构的时间序列各自外推的预测结果进行线性合成,得到最终预测结果。实例分析表明,结合小波变换能有效地提高停车泊位多步预测的精度,在将小波变换运用于单一的多步预测策略进行预测时,迭代法、直接法和多输入多输出法的总体预测误差分别降低了15%、35%和15%；组合多步预测策略的预测精度相比其他多步预测策略较高,在对两个周边土地利用性质不同的停车场进行步长为一个小时的预测实例中,总体的绝对误差百分比均在3%左右；其中,本文提出的新的组合多步预测策略一一迭代多输出法,相比直接多输出法节省了模型训练时间,且在五种预测策略中耗时最少。
【关键词】：有效停车泊位 多步预测 小波变换 多步预测策略 神经网络
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491.7
【目录】：

• 摘要5-6
• Abstract6-11
• 第一章 绪论11-17
• 1.1 立题背景和意义11
• 1.2 国内外研究概况11-14
• 1.2.1 短时预测11-12
• 1.2.2 多步预测12-13
• 1.2.3 现有研究总结13-14
• 1.3 研究目标与研究内容14-15
• 1.3.1 研究目标14
• 1.3.2 研究内容14-15
• 1.4 技术路线与论文组织15-17
• 第二章 有效停车泊位变化特性多角度分析17-23
• 2.1 有效停车泊位时间序列动力学分析17-19
• 2.1.1. 有效停车泊位时间序列周期性分析17-18
• 2.1.2. 有效停车泊位时间序列随机性分析18
• 2.1.3. 有效停车泊位时间序列混沌性分析18-19
• 2.2 有效停车泊位时间序列时空特性分析19-21
• 2.2.1. 时间分布特性19-20
• 2.2.2. 空间分布特性20-21
• 2.3 本章小结21-23
• 第三章 基于小波变换的多步预测模型23-43
• 3.1 有效停车泊位多步预测流程23-24
• 3.2 小波变换24-31
• 3.2.1 连续小波变换24-26
• 3.2.2 离散小波变换26
• 3.2.3 小波分解与重构26-27
• 3.2.4 小波函数与分解层数的选取27-31
• 3.2.5 小波变换对预测精度的影响31
• 3.3 BP神经网络模型31-37
• 3.3.1 BP神经网络模型介绍32-36
• 3.3.2 BP神经网络在多步预测中的应用36-37
• 3.4 多步预测策略37-41
• 3.4.1 迭代法(Recursive)37
• 3.4.2 直接法(Direct)37-38
• 3.4.3 多输入多输出法(MIMO)38
• 3.4.4 直接多输出法(DIRMO)38-39
• 3.4.5 新的多步预测组合策略——迭代多输出法(RECMO)39-40
• 3.4.6 五种多步预测策略的对比40-41
• 3.5 本章小结41-43
• 第四章 有效停车泊位多步预测实例分析43-54
• 4.1 数据描述43
• 4.2 评价指标43-44
• 4.3 BP神经网络参数选取44-45
• 4.4 小波变换在单一多步预测策略中的应用分析45-49
• 4.5 两种组合预测策略中参数s的挖掘49-51
• 4.6 五种多步预测策略的预测结果分析51-53
• 4.7 本章小结53-54
• 第五章 结论与展望54-56
• 5.1 主要研究内容与成果54-55
• 5.2 创新点55
• 5.3 研究展望55-56
• 致谢56-58
• 参考文献58-62
• 作者简介62

【参考文献】

中国期刊全文数据库 前9条

1 季彦婕;汤斗南;郭卫红;BLYTHE T.Phil;王炜;;Forecasting available parking space with largest Lyapunov exponents method[J];Journal of Central South University;2014年04期

2 贾显超;陈旭梅;弓晋丽;张溪;郭淑霞;;基于混沌理论的短期交通流量多步预测[J];交通信息与安全;2013年06期

3 姜桂艳;王秋兰;李琦;;基于多时间尺度一步外推的短时交通参数多步预测方法[J];公路交通科技;2013年02期

4 姚天亮;刘海峰;许建良;李伟锋;;基于最大Lyapunov指数不变性的混沌时间序列噪声水平估计[J];物理学报;2012年06期

5 殷礼胜;鲁照权;董学平;;交通流量小波神经网络多步预测研究[J];自动化仪表;2011年08期

6 徐鹏飞;李炜;郑华;吴建国;;神经网络在时间序列预测中的应用研究[J];电子技术;2010年08期

7 陈群;晏克非;王仁涛;莫一魁;;基于相空间重构及Elman网络的停车泊位数据预测[J];同济大学学报(自然科学版);2007年05期

8 杨兆升,陈晓冬;智能化停车诱导系统有效停车泊位数据的预测技术研究[J];交通运输系统工程与信息;2003年04期

9 简相超,郑君里;混沌神经网络预测算法评价准则与性能分析[J];清华大学学报(自然科学版);2001年07期

，

本文编号：892087