交通量的預(yù)測是提高交通運(yùn)輸管理水平、降低運(yùn)輸成本的重要手段之一,同時(shí)也是進(jìn)行交通狀況評價(jià)、路網(wǎng)規(guī)劃、線路改造以及工程建設(shè)項(xiàng)目可行性分析的基礎(chǔ)。因此,研究高速公路交通量預(yù)測具有重要的意義。本文在深入分析比較各種交通量預(yù)測方法的基礎(chǔ)上,研究了利用支持向量機(jī)進(jìn)行交通量預(yù)測方法并進(jìn)行了實(shí)際應(yīng)用。首先,對收費(fèi)站出口數(shù)據(jù)進(jìn)行了數(shù)據(jù)預(yù)處理,使之轉(zhuǎn)化為預(yù)測分析數(shù)據(jù)集。然后,深入的研究了灰色理論預(yù)測方法和神經(jīng)網(wǎng)絡(luò)預(yù)測方法,并使用這些方法對現(xiàn)有數(shù)據(jù)集進(jìn)行對比預(yù)測。重點(diǎn)研究了支持向量機(jī)預(yù)測模型的建模方法,包括數(shù)據(jù)歸一化、核函數(shù)選擇、模型參數(shù)選擇等,建立了基于支持向量機(jī)的交通量預(yù)測模型,對西潼高速公路的渭南西與渭南東兩站間的路段進(jìn)行了交通量預(yù)測,平均誤差率僅為2.5%。最后對基于支持向量機(jī)交通量預(yù)測軟件進(jìn)行了詳細(xì)設(shè)計(jì)。預(yù)測結(jié)果表明,支持向量機(jī)用于交通量的預(yù)測是可行及有效的。所研究的支持向量機(jī)預(yù)測模型在陜西省公路資源整合項(xiàng)目的“綜合分析決策支持系統(tǒng)”中得到了應(yīng)用。 

【文章來源】：長安大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 交通量預(yù)測發(fā)展現(xiàn)狀
        1.2.2 支持向量機(jī)研究現(xiàn)狀
    1.3 主要內(nèi)容以及論文結(jié)構(gòu)
第二章 交通收費(fèi)數(shù)據(jù)的采集和預(yù)處理
    2.1 陜西省聯(lián)網(wǎng)收費(fèi)原始數(shù)據(jù)
        2.1.1 出口站數(shù)據(jù)
        2.1.2 路網(wǎng)結(jié)構(gòu)
    2.2 陜西省收費(fèi)數(shù)據(jù)采集
    2.3 陜西省收費(fèi)數(shù)據(jù)預(yù)處理
    2.4 收費(fèi)數(shù)據(jù)的日平均交通量轉(zhuǎn)換
        2.4.1 MADT的計(jì)算
        2.4.2 當(dāng)量換算
        2.4.3 目標(biāo)數(shù)據(jù)集
    2.5 本章小結(jié)
第三章 交通量預(yù)測方法研究
    3.1 傳統(tǒng)交通量預(yù)測方法
        3.1.1 時(shí)間序列預(yù)測方法
        3.1.2 交通量組合預(yù)測法
    3.2 灰色預(yù)測方法
        3.2.1 交通量灰色預(yù)測模型的建立
        3.2.2 西潼高速交通量灰色預(yù)測
    3.3 BP神經(jīng)網(wǎng)絡(luò)預(yù)測方法
        3.3.1 BP神經(jīng)網(wǎng)絡(luò)原理
        3.3.2 交通量BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型設(shè)計(jì)
        3.3.3 西童高速交通量BP神經(jīng)網(wǎng)絡(luò)預(yù)測
    3.4 RBF神經(jīng)網(wǎng)絡(luò)預(yù)測方法
        3.4.1 RBF神經(jīng)網(wǎng)絡(luò)基本原理
        3.4.2 交通量RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型的設(shè)計(jì)
        3.4.3 西潼高速交通量RBF神經(jīng)網(wǎng)絡(luò)預(yù)測
    3.5 本章小結(jié)
第四章 基于支持向量機(jī)的預(yù)測模型研究
    4.1 支持向量機(jī)的理論基礎(chǔ)
        4.1.1 統(tǒng)計(jì)學(xué)習(xí)理論
        4.1.2 支持向量機(jī)原理
        4.1.3 支持向量機(jī)回歸
    4.2 支持向量機(jī)交通量預(yù)測模型的設(shè)計(jì)
        4.2.1 樣本預(yù)處理
        4.2.2 核函數(shù)的選擇
        4.2.3 模型參數(shù)選擇算法
    4.3 西潼高速支持向量機(jī)預(yù)測
        4.3.1 樣本的采集及預(yù)處理
        4.3.2 核函數(shù)及參數(shù)的選擇
        4.3.3 預(yù)測結(jié)果及分析
    4.4 各種方法預(yù)測對比
    4.5 本章小結(jié)
第五章 基于支持向量機(jī)的交通量預(yù)測的系統(tǒng)設(shè)計(jì)
    5.1 系統(tǒng)概要設(shè)計(jì)
    5.2 高速公路交通量預(yù)測模塊
        5.2.1 用戶界面設(shè)計(jì)
        5.2.2 數(shù)據(jù)庫設(shè)計(jì)
        5.2.3 程序算法設(shè)計(jì)
    5.3 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
附錄
致謝


【參考文獻(xiàn)】：
期刊論文
[1]時(shí)間序列分析的理論與應(yīng)用綜述[J]. 羅芳瓊,吳春梅.  柳州師專學(xué)報(bào). 2009(03)
[2]基于最小二乘支持向量機(jī)的非線性系統(tǒng)建模[J]. 相征,張?zhí)?孫建成.  系統(tǒng)仿真學(xué)報(bào). 2006(09)
[3]支持向量機(jī)在模式識別中的核函數(shù)特性分析[J]. 李盼池,許少華.  計(jì)算機(jī)工程與設(shè)計(jì). 2005(02)
[4]一種人工免疫與RBF神經(jīng)網(wǎng)絡(luò)結(jié)合的混合算法的應(yīng)用[J]. 周穎,鄭德玲,裘之亮,劉聰.  計(jì)算機(jī)工程與應(yīng)用. 2004(01)
[5]基于最大信息熵原理的居民出行分布模型[J]. 曲昭偉,姚榮涵,王殿海.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2003(02)
[6]一種新的支持向量回歸預(yù)測模型[J]. 劉廣利,楊志民.  吉首大學(xué)學(xué)報(bào)(自然科學(xué)版). 2002(03)
[7]基于確定性退火方法的短期負(fù)荷預(yù)測[J]. 趙登福,王蒙,張講社,雷兵,張濤,周琳,王錫凡.  中國電機(jī)工程學(xué)報(bào). 2001(07)
[8]由路段交通量推算OD出行量方法研究——基于多路徑概率分配模型的迭代反推法[J]. 李景,彭國雄.  交通運(yùn)輸工程學(xué)報(bào). 2001(02)
[9]由路段交通流量反估出行OD矩陣技術(shù)的應(yīng)用[J]. 段進(jìn)宇,繆立新,江見鯨.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2000(06)
[10]交通分布與熵[J]. 達(dá)慶東,張國伍,姜學(xué)峰.  公路交通科技. 1999(S1)



本文編號：3504706