發(fā)布時(shí)間：2017-12-18 07:26

  本文關(guān)鍵詞：基于RVM和ARIMA的短時(shí)交通流量預(yù)測方法研究

  更多相關(guān)文章： 交通工程 多時(shí)間尺度 短時(shí)交通流量 相關(guān)向量機(jī) 自回歸積分移動平均模型

【摘要】：隨著城市現(xiàn)代化進(jìn)程不斷推進(jìn)和機(jī)動車保有量不斷增長,城市交通擁堵問題日趨嚴(yán)重,很大程度上增加居民出行成本和時(shí)間,成為亟需解決的社會問題。實(shí)現(xiàn)城市智能化交通管理與控制被視為緩解城市交通擁擠、減少機(jī)動車尾氣排放、降低交通事故率等問題的有效方法之一。短時(shí)交通流量預(yù)測是智能交通管理與控制的核心內(nèi)容,也是交通信息服務(wù)重要基礎(chǔ),可作為交通決策的關(guān)鍵依據(jù),同時(shí)可也為交通出行提供有效地路徑選擇信息。因此開展短時(shí)交通流量預(yù)測方法研究是準(zhǔn)確把握交通參數(shù)態(tài)勢變化的基礎(chǔ)性工作。為降低短時(shí)交通流量隨機(jī)波動性對預(yù)測精度影響,進(jìn)一步改善短時(shí)交通流量預(yù)測效果,本文首先在明確短時(shí)交通流量定義的基礎(chǔ)上,分析短時(shí)交通流量在不同時(shí)間尺度合并方法,結(jié)合不同時(shí)間尺度下短時(shí)交通流量時(shí)空圖,對短時(shí)交通流量時(shí)間序列具備的長期趨勢性、短期現(xiàn)勢性、隨機(jī)波動性等特性進(jìn)行剖析;然后,提出一種基于RVM的可有效降低短時(shí)交通流量隨機(jī)波動性降噪方法,詳細(xì)設(shè)計(jì)該降噪方法步驟和工作流程,并對評價(jià)指標(biāo)進(jìn)行選取,通過仿真驗(yàn)證該降噪方法有效性;其次,在分析短時(shí)交通流量時(shí)間序列平穩(wěn)性基礎(chǔ)上,提出一種基于RVM和ARIMA的短時(shí)交通流量預(yù)測方法,詳細(xì)設(shè)計(jì)該預(yù)測方法實(shí)現(xiàn)流程,并引入平均絕對相對誤差(MAPE)作為該預(yù)測方法誤差評價(jià)指標(biāo);最后,以某城市道路視頻識別數(shù)據(jù)為實(shí)例,驗(yàn)證本文構(gòu)建短時(shí)交通流量降噪方法和預(yù)測方法的有效性。本文研究結(jié)果表明:在不同公用時(shí)間尺度(5min、10min、15min)下,本文提出基于RVM的短時(shí)交通流量降噪方法有效地降低短時(shí)交通流量隨機(jī)波動性,本文構(gòu)建基于RVM和ARIMA的短時(shí)交通流量預(yù)測方法的平均絕對相對誤差均小于直接運(yùn)用指數(shù)平滑模型、BT神經(jīng)網(wǎng)絡(luò)模型、ARIMA模型等經(jīng)典預(yù)測方法對應(yīng)的平均絕對相對誤差,說明本文提出的預(yù)測方法有效地提高短時(shí)交通流量預(yù)測精度。
【學(xué)位授予單位】：長安大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U491.14

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 戴帥;劉金廣;朱建安;鞏建國;;中國城市機(jī)動化發(fā)展情況及政策分析[J];城市交通;2015年02期

2 賈順平;周洋帆;張思佳;;交通擁堵收費(fèi)的經(jīng)濟(jì)意義與社會條件分析[J];交通運(yùn)輸系統(tǒng)工程與信息;2014年01期

3 王璞;黃智仁;龔航;;大數(shù)據(jù)時(shí)代的交通工程[J];電子科技大學(xué)學(xué)報(bào);2013年06期

4 李瑞敏;何群;李帥;;中國機(jī)動車保有量發(fā)展趨勢分析[J];城市交通;2013年05期

5 孟慶芳;陳月輝;馮志全;王楓林;陳珊珊;;基于局域相關(guān)向量機(jī)回歸模型的小尺度網(wǎng)絡(luò)流量的非線性預(yù)測[J];物理學(xué)報(bào);2013年15期

6 徐鵬;姜鳳茹;;基于蟻群優(yōu)化支持向量機(jī)的短時(shí)交通流量預(yù)測[J];計(jì)算機(jī)應(yīng)用與軟件;2013年03期

7 劉有軍;田聰;;不同路網(wǎng)形態(tài)下城市交通擁堵特性分析[J];中國公路學(xué)報(bào);2013年01期

8 李琦;姜桂艷;;悉尼自適應(yīng)交通控制系統(tǒng)線圈數(shù)據(jù)短時(shí)多步預(yù)測雙層模型[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2013年04期

9 孫國強(qiáng);衛(wèi)志農(nóng);翟瑋星;;基于RVM與ARMA誤差校正的短期風(fēng)速預(yù)測[J];電工技術(shù)學(xué)報(bào);2012年08期

10 趙春暉;張q，

本文編號：1303345