基于聚类分析的BP神经网络短时交通流预测方法研究

发布时间：2017-07-03 05:10

  本文关键词：基于聚类分析的BP神经网络短时交通流预测方法研究

  更多相关文章： 短时交通流预测 Kmeans SVM KNN BP神经网络

【摘要】：由于交通系统具有实时性、非线性和一定的复杂性,传统的预测方法已经不能满足要求。人们出行活动的增加也导致现代交通系统产生了大量的历史数据,所以如何从历史数据中挖掘出交通流量的规律,对于提高预测精度就变得至关重要。本文在国内外学者的研究基础上,采用数据挖掘技术,针对以往研究中不将不同日期的数据分开处理导致预测精度低这一缺陷,提出了一种结合聚类分析与BP神经网络的短时交通流预测方法。本文的研究工作主要包括以下几个方面:1.提出了一种与SVM结合的改进的Kmeans聚类算法。在聚类方法的选择上,采用经典的聚类算法-Kmeans算法。由于Kmeans算法在最佳聚类数的选择上不具有统一性,所以,本文提出一种结合SVM分类算法的聚类算法来判断最佳的聚类数k,并使用分类准确率和各类距离之和来最终确定k。实验证明了采用与SVM结合的改进的Kmeans聚类算法能够帮助Kmeans快速确定最佳聚类数。2.提出了一种与KNN结合的改进的Kmeans聚类算法。为了验证分类算法对改进Kmeans算法具有普遍性,采用另一种分类算法KNN与Kmeans结合来改进Kmeans,并通过实验验证了KNN结合Kmeans算法来确定最佳聚类数k的方法同样有效。3.提出了一种结合聚类分析与BP神经网络的短时交通流预测方法。根据不同日期的流量模式不同的原理,首先采用聚类算法将历史数据进行聚类分析,并以聚类的结果为依据,对待预测日期的数据采用分类算法预测其所在的类别,找出该类别有针对性地进行短时交通流预测。由于BP神经网络能够识别复杂的非线性系统,因此采用BP神经网络进行交通流预测。通过实验对比,结合聚类分析的BP神经网络预测方法比未结合聚类分析的BP神经网络预测方法准确率高。最后,本文对整个研究进行了总结,并提出了后续研究的方向。
【关键词】：短时交通流预测 Kmeans SVM KNN BP神经网络
【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;TP183
【目录】：

• 摘要3-4
• Abstract4-8
• 第1章 引言8-16
• 1.1 研究背景和意义8-10
• 1.1.1 研究背景8-9
• 1.1.2 研究意义9-10
• 1.2 研究现状10-13
• 1.3 论文的主要工作13-14
• 1.4 论文的组织结构14-16
• 第2章 相关理论基础16-37
• 2.1 聚类算法17-21
• 2.1.1 聚类算法概述17-19
• 2.1.2 Kmeans19-21
• 2.2 分类算法21-27
• 2.2.1 分类概述21-22
• 2.2.2 支持向量机22-25
• 2.2.3 K最近邻25-27
• 2.3 交通流基本参数和特性27-32
• 2.3.1 交通流基本参数28-30
• 2.3.2 交通流的特性30-32
• 2.4 BP神经网络32-36
• 2.4.1 人工神经网络概述32
• 2.4.2 BP神经网络原理32-36
• 2.5 本章小结36-37
• 第3章 改进的Kmeans聚类算法37-50
• 3.1 方法流程37-41
• 3.2 实验环境和数据集41-44
• 3.3 SVM-Kmeans的实现44-45
• 3.4 KNN-Kmeans的实现45-47
• 3.5 基于改进的Kmeans的聚类分析47-49
• 3.6 本章小结49-50
• 第4章 结合聚类分析与BP神经网络的交通流预测方法50-64
• 4.1 方法框架50-52
• 4.2 BP神经网络交通流预测方法52-57
• 4.3 短时交通流预测的评价标准57
• 4.4 BP神经网络交通流预测57-62
• 4.5 结论62-63
• 4.6 本章小结63-64
• 第5章 结束语64-66
• 5.1 总结64
• 5.2 后续研究工作64-66
• 参考文献66-71
• 致谢71-72
• 攻读硕士学位期间从事的科研工作及取得的成果72-73

【参考文献】

中国期刊全文数据库 前10条

1 慕伟;陈国定;钟引帆;;基于K-Means和GA-WNN的交通流量预测[J];现代交通技术;2015年05期

2 陈婧敏;;基于KNN回归的短时交通流预测[J];微型电脑应用;2015年09期

3 伍育红;;聚类算法综述[J];计算机科学;2015年S1期

4 刘洋;马寿峰;;基于聚类分析的非参数回归短时交通流预测方法[J];交通信息与安全;2013年02期

5 周涛;陆惠玲;;数据挖掘中聚类算法研究进展[J];计算机工程与应用;2012年12期

6 丁世飞;齐丙娟;谭红艳;;支持向量机理论与算法研究综述[J];电子科技大学学报;2011年01期

7 夏英;梁中军;王国胤;;基于时空分析的短时交通流量预测模型[J];南京大学学报(自然科学版);2010年05期

8 孙吉贵;刘杰;赵连宇;;聚类算法研究[J];软件学报;2008年01期

9 郑勇涛,刘玉树;支持向量机解决多分类问题研究[J];计算机工程与应用;2005年23期

10 王进,史其信;神经网络模型在短期交通流预测领域应用综述[J];河南科技大学学报(自然科学版);2005年02期

  本文关键词：基于聚类分析的BP神经网络短时交通流预测方法研究

  更多相关文章： 短时交通流预测 Kmeans SVM KNN BP神经网络

，

本文编号：512443