基于EMD和GS-SVM融合的节假日高速公路交通流预测研究

发布时间：2017-08-03 13:26

  本文关键词：基于EMD和GS-SVM融合的节假日高速公路交通流预测研究

  更多相关文章： 高速公路 节假日 经验模态分解 支持向量机 TransModeler

【摘要】：高速公路作为现代化的交通基础设施具有高速迅捷的特性,而节假日免费放行政策造成的交通拥挤问题不仅严重影响了我国公众出行的便捷性和舒适性,也给国民出行的交通安全带来了严峻的挑战。因此,科学有效的交通流预测方法以及对节假日运行状态的仿真分析就成为了能够有效缓解我国高速公路节假日交通拥挤的重要手段。其作用不言而喻,一方面能够为公众节假日顺畅出行保驾护航,另一方面还可以带来更多的社会效益,进而促进我国高速公路交通系统和谐、健康的可持续发展。本文首先介绍了我国高速公路节假日的交通流特性以及出行目的,在数据的基础上分析了节假日交通流在时间、空间和出行方式的分布特性,重点研究了GDP和天气因素对节假日交通流的影响。其次在总结现有高速公路节假日交通流预测方法的优点和不足的基础上,通过对河南郑尧高速公路2012年至2015年的节假日交通流数据进行数据预处理,采用经验模态分解的方法分离出噪声数据并进行阈值去噪,使用网格寻优对支持向量机的回归参数进行参数寻优,对节假日交通流量进行预测。最后与常用的交通预测模型进行结果对比分析,验证了本文融合算法的准确性与适应性。最后利用TransModeler仿真软件建立了节假日预测的模型,分析了节假日高速公路的运行状态,给出了不同阈值下高速公路的服务等级与对应服务等级的交通量,为高速公路运营管理者提供了参考依据。研究结果表明,本文提出的经验模态分解阈值去噪与网格寻优参数优化的支持向量机融合的算法在交通流预测中,比未分解的精度得到提高,相比以往常用预测模型预测结果也更加精确。基于TransModeler仿真模型的节假日分等级交通流量,也为高速公路的运营管理提供了参考依据。
【关键词】：高速公路 节假日 经验模态分解 支持向量机 TransModeler
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491.14
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-15
• 1.1 研究背景9-10
• 1.2 研究目的及意义10-11
• 1.3 国内外现状分析11-12
• 1.3.1 国外研究现状11
• 1.3.2 国内研究现状11-12
• 1.4 论文的结构安排及依托项目12-15
• 1.4.1 论文结构安排12-14
• 1.4.2 依托项目14-15
• 第二章 节假日交通流特性及影响因子分析15-26
• 2.1 节假日高速公路交通流特性15-16
• 2.2 节假日交通出行目的16-17
• 2.3 节假日高速公路交通流分布特征17-20
• 2.3.1 出行时间分布特征17-18
• 2.3.2 出行空间分布特征18-19
• 2.3.3 出行方式分布特征19-20
• 2.4 节假日出行影响因子20-25
• 2.4.1 GDP影响因子20-23
• 2.4.2 天气影响因子23-24
• 2.4.3 其他因素24-25
• 2.5 本章小结25-26
• 第三章 交通流数据分析及预处理26-33
• 3.1 数据预处理26
• 3.1.1 概述26
• 3.1.2 原始数据存在的不足26
• 3.2 交通流量数据的修复26-27
• 3.2.1 丢失和错误数据的识别26-27
• 3.2.2 丢失数据和错误数据修复27
• 3.3 交通流量数据归一化27-28
• 3.4 交通流量数据分析28-32
• 3.4.1 国庆节数据分析28-29
• 3.4.2 清明节数据分析29-30
• 3.4.3 五一数据分析30-31
• 3.4.4 春节数据分析31-32
• 3.5 本章小结32-33
• 第四章 基于EMD和GS-SVM融合的节假日交通流预测33-48
• 4.1 支持向量机的理论基础与原理33-36
• 4.1.1 支持向量机33-34
• 4.1.2 支持向量机回归34-36
• 4.1.3 支持向量回归的优势及适应性36
• 4.2 经验模态分解EMD36-39
• 4.2.1 EMD算法基本原理36-37
• 4.2.2 EMD特征向量的提取37-39
• 4.3 SVM预测模型参数选取分析39-40
• 4.3.1 核函数39
• 4.3.2 核函数作用分析39-40
• 4.3.3 GS-SVM模型参数寻优40
• 4.4 EMD-GS-SVM的回归预测过程40-41
• 4.5 实证性仿真研究41-44
• 4.5.1 预测评价指标41-42
• 4.5.2 计算结果分析42-44
• 4.6 与其他预测模型的比较分析44-47
• 4.7 本章小结47-48
• 第五章 基于TransModeler的节假日交通流状态仿真研究48-62
• 5.1 TransModeler概述48-50
• 5.1.1 交通仿真模型48-49
• 5.1.2 TransModeler仿真软件的优势49-50
• 5.2 TransModeler仿真流程设计及实现50-56
• 5.2.1 仿真流程设计50-51
• 5.2.2 路网仿真建模51-53
• 5.2.3 参数设置和校对53-55
• 5.2.4 OD反推矩阵生成及矩阵表输入55-56
• 5.3 评价指标56-58
• 5.3.1 TransModele评价指标56
• 5.3.2 路段拥挤度等级划分指标56-57
• 5.3.3 评价指标的选取57-58
• 5.4 实例仿真及结果分析58-61
• 5.4.1 仿真结果输出58-60
• 5.4.2 交通量与拥挤度等级仿真结果60-61
• 5.5 本章小结61-62
• 结论62-64
• 参考文献64-68
• 攻读学位期间取得的研究成果68-69
• 致谢69

【参考文献】

中国期刊全文数据库 前10条

1 李晋伟;王奇;何红太;裴冠荣;;基于EMD与ELM的输电线路山火蔓延速度组合预测模型[J];电力建设;2015年03期

2 高杨;李健;;基于EMD-PSO-SVM误差校正模型的国际碳金融市场价格预测[J];中国人口.资源与环境;2014年06期

3 成卫;金成英;袁满荣;;基于遗传模拟退火算法的TRANSMODELER仿真模型参数标定研究[J];武汉理工大学学报(交通科学与工程版);2014年03期

4 李祥飞;张再生;黄超;高杨;;基于EMD与STSA混合方法的金融收益信息提取与预测[J];系统工程;2014年02期

5 王博彬;邵春福;孙轶轩;李娟;计寻;;多方式交通信息条件下节假日出行行为研究[J];交通运输系统工程与信息;2014年01期

6 李松;刘力军;翟曼;;改进粒子群算法优化BP神经网络的短时交通流预测[J];系统工程理论与实践;2012年09期

7 叶林;刘鹏;;基于经验模态分解和支持向量机的短期风电功率组合预测模型[J];中国电机工程学报;2011年31期

8 王景妍;张飞;;区域运输通道内影响旅客出行方式选择的因素[J];交通科技与经济;2011年06期

9 胡海青;张琅;张道宏;陈亮;;基于支持向量机的供应链金融信用风险评估研究[J];软科学;2011年05期

10 刁阳;隽志才;倪安宁;;基于GA-Transmodeler的动态OD矩阵估计方法[J];计算机应用研究;2010年10期

，

本文编号：614605