基于混沌理论和数据融合的短时交通流预测

发布时间：2017-04-03 05:15

  本文关键词：基于混沌理论和数据融合的短时交通流预测，，由笔耕文化传播整理发布。

【摘要】：交通拥堵问题已引起人们的广泛关注,实时准确的交通流预测是实现交通诱导与控制的重要基础。然而,现有关于交通流预测的精度受到以下两方面的制约:一方面,由于表征交通系统特性的参数较多(如速度、占有率和车流量),故基于单交通流参数的预测方法尚未能全面反映交通流的状态演化过程;另一方面,鉴于交通系统具有非线性和复杂性等本质特性,导致基于线性方法的交通流预测误差难以达到期望范围。因此,针对以上问题,研究基于混沌理论和数据融合的短时交通流预测,具有重要的理论价值和现实意义。本文主要围绕基于混沌理论和数据融合的交通流预测展开研究。具体内容包括:针对交通系统的混沌现象,提出基于最大Lyapunov指数的交通流的混沌特性分析与判定方法;据此,研究基于相空间重构理论的多参数时间序列的相空间重构,进而研究基于Bayesian估计理论的多参数时间序列在高维相空间中的相点融合问题;最后,分别应用支持向量回归机(Support Vector Regression,SVR)和RBF神经网络(Radial Basis Function Neural Networks,RBFNN)实现基于多源数据融合的短时交通流预测研究,并利用实测交通流数据,对本文方法的有效性进行了验证。论文的主要工作包括:1.基于最大Lyapunov指数的交通流的混沌特性分析与判定考虑到交通系统所呈现出的混沌特性,因此,应用混沌动力学中的方法研究交通流的变化成为一种可能。基于此,为了从理论上判定交通系统的混沌特性,本文应用小数据量法,计算出包括平均车速、平均占有率和平均车流量等多参数时间序列的最大Lyapunov指数,以此验证交通流的混沌特性。仿真结果表明:本文采用的5min统计尺度的三组交通流参数时间序列,包括平均车速、平均占有率和平均车流量流时间序列均具有混沌特性。2.基于相空间重构理论的多参数时间序列的相空间重构鉴于1中交通流存在的混沌特性,而相空间重构技术能够从高维相空间中重构混沌系统的奇怪吸引子,即交通流参数时间序列在高维相空间中的演变最终会趋于某一特定的轨迹。因此,首先研究相空间重构参数的选取,包括延迟时间τ和嵌入维数m。考虑这两个参数之间的关联关系,本文采用C-C算法和G-P算法分别计算交通流参数时间序列的延迟时间τ和嵌入维数m。同时,基于相空间重构理论,研究交通流的多参数时间序列的相空间重构。仿真结果表明:系统中多个不同的参数时间序列的混沌吸引子在高维相空间中存在相似性。同时,系统中各参数时间序列的混沌吸引子也拥有各自独特的特征。3.基于Bayesian估计理论的多参数时间序列在高维相空间中的相点融合基于Takens延迟嵌入定理,理论上,单个参数时间序列也能反向重构出原系统的相空间结构,基于1中同一系统的不同参数时间序列在高维相空间中的混沌吸引子拥有各自独特的特征,同时多参数时间序列比单参数时间序列包含更多原动力系统的信息。因此,基于Bayesian估计理论的多参数时间序列在高维相空间中的相点融合研究,旨在相空间中使用Bayesian估计理论对多个参数时间序列的相点的冗余和互补信息进行融合。仿真结果表明:基于Bayesian估计理论的多参数时间序列在高维相空间中的相点融合,使得多参数时间序列的融合相空间包含系统多个参数的主要特征信息。4.基于多源数据融合的短时交通流预测研究基于上述1、2和3的分析,本文设计基于多交通流参数融合的短时交通流预测模型。主要工作包括:(1)对于单交通参数,分别分析了基于支持向量回归机(Support Vector Regression,SVR)和RBF神经网络(Radial Basis Function Neural Networks,RBFNN)的两种短时交通流预测模型的原理,同时采用实测交通流数据验证了这两种预测方法的有效性;(2)对于多交通参数,基于Bayesian估计理论并借助相空间重构理论,设计了两种多参数融合预测模型,包括基于多交通流参数融合的SVR预测模型和基于多交通流参数融合的RBF神经网络预测模型,同时采用多组实测交通流数据验证了预测模型的可靠性;(3)实现了单交通流参数条件下和多交通流参数条件下的短时交通流预测对比,以及多参数融合条件下,SVR预测模型和RBF神经网络预测模型的预测性能对比。仿真结果表明:基于多参数融合的预测模型的预测性能优于基于单参数的预测方法,同时能够准确地反映交通流的变化趋势和规律,而多交通流参数融合条件下,基于RBF神经网络的预测模型在预测性能上又优于基于SVR的预测模型。
【关键词】：交通流参数时间序列 混沌理论 相空间重构 估计理论 相点融合 神经网络 支持向量回归机 短时交通流预测
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491.14
【目录】：

• 摘要3-6
• Abstract6-12
• 第1章 绪论12-22
• 1.1 交通流预测研究的背景与意义12-13
• 1.2 交通流预测的研究现状13-18
• 1.3 问题的提出18-19
• 1.4 论文的主要内容和结构19-22
• 第2章 交通流参数的检测与分析22-35
• 2.1 交通流特性分析22-27
• 2.1.1 交通流特性22-23
• 2.1.2 交通流基本特征参数23-25
• 2.1.3 交通流的基本特征参数之间的关系25-27
• 2.2 交通流数据的检测27-29
• 2.2.1 固定型采集技术27-28
• 2.2.2 移动型采集技术28-29
• 2.3 本文的数据来源29-30
• 2.4 交通流数据的预处理30-34
• 2.4.1 异常交通流数据的识别与处理31-33
• 2.4.2 交通流数据的降噪处理33
• 2.4.3 实测交通流数据的预处理33-34
• 2.5 本章小结34-35
• 第3章 交通流参数的混沌特性分析及相空间重构35-54
• 3.1 混沌及其动力学特性35-40
• 3.1.1 混沌理论的数学基础35-36
• 3.1.2 混沌系统的表征参数和判定方法36-39
• 3.1.3 典型混沌动力系统研究39-40
• 3.2 交通流的混沌特性40-42
• 3.2.1 交通流的混沌特性判定40-42
• 3.2.2 交通流的混沌特性分析42
• 3.3 多参数时间序列相空间重构42-52
• 3.3.1 延迟时间和嵌入维数的选取43-44
• 3.3.2 多参数时间序列相空间重构理论44-46
• 3.3.3 典型混沌动力系统的相空间重构46-49
• 3.3.4 交通流的多参数时间序列相空间重构49-52
• 3.4 本章小结52-54
• 第4章 基于单参数的短时交通流预测研究54-67
• 4.1 基于SVR的短时交通流预测54-62
• 4.1.1 支持向量回归机原理54-57
• 4.1.2 基于SVR的短时交通流预测模型57-59
• 4.1.3 短时交通流预测误差评判指标59-60
• 4.1.4 基于SVR的平均车流量预测60-62
• 4.2 基于RBF神经网络的短时交通流预测62-66
• 4.2.1 基于RBF神经网络的短时交通流预测模型62-65
• 4.2.2 基于RBF神经网络的平均车流量预测65-66
• 4.3 本章小结66-67
• 第5章 基于多参数融合的短时交通流预测研究67-83
• 5.1 多交通流参数的融合方法67-71
• 5.1.1 基于Bayesian估计理论的高维相空间中相点融合68-70
• 5.1.2 典型混沌动力系统的相空间融合算法的验证70-71
• 5.2 基于多交通流参数融合和SVR的短时交通流预测71-77
• 5.2.1 多参数融合的SVR预测模型72
• 5.2.2 基于多参数融合和SVR的短时交通流预测流程72-73
• 5.2.3 高维相空间中的多交通流参数时间序列相点融合73-76
• 5.2.4 基于多交通流参数融合和SVR的短时交通流预测76-77
• 5.3 基于多交通流参数融合和RBF神经网络的短时交通流预测77-80
• 5.3.1 多参数融合的RBF神经网络预测模型78
• 5.3.2 基于多交通流参数融合和RBF神经网络的短时交通流预测流程78-79
• 5.3.3 基于多交通流参数融合和RBF神经网络的短时交通流预测79-80
• 5.4 短时交通流预测方法的对比80-81
• 5.5 本章小结81-83
• 第6章 全文总结与展望83-86
• 6.1 全文工作总结83-85
• 6.2 工作展望85-86
• 参考文献86-92
• 致谢92-94
• 攻读硕士学位期间从事的科研工作及取得的成果94-95

【参考文献】

中国期刊全文数据库 前10条

1 刘庆华;丁文涛;涂娟娟;方守恩;;优化BP_AdaBoost算法及其交通事件检测[J];同济大学学报(自然科学版);2015年12期

2 周韬;;基于实测数据的城市快速路交通流特性研究[J];公路工程;2015年05期

3 陆化普;孙智源;屈闻聪;;大数据及其在城市智能交通系统中的应用综述[J];交通运输系统工程与信息;2015年05期

4 侯荣涛;周彬;唐盼;;线圈式车速及车流量检测器设计[J];科学技术与工程;2015年27期

5 韦栋;郑淑鉴;佘文晟;;基于TransModeler的中观仿真模型研究与应用[J];交通科技与经济;2015年02期

6 沈国江;朱芸;钱晓杰;胡越;;短时交通流组合模型预测[J];南京理工大学学报;2014年02期

7 周璇;杨建成;;基于支持向量回归机的空调逐时负荷滚动预测算法[J];中南大学学报(自然科学版);2014年03期

8 金玉婷;余立建;;基于小波神经网络的短时交通流预测[J];交通科技与经济;2014年01期

9 张洪宾;孙小端;贺玉龙;;短时交通流复杂动力学特性分析及预测[J];物理学报;2014年04期

10 齐迹;郑中义;李建民;;基于突变理论的海上交通安全系统演化[J];大连海事大学学报;2013年04期

  本文关键词：基于混沌理论和数据融合的短时交通流预测，由笔耕文化传播整理发布。

本文编号：283782