發(fā)布時(shí)間：2018-03-09 09:17

  本文選題：交通流預(yù)測(cè)　切入點(diǎn)：混沌算法　出處：《西南科技大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著科學(xué)與技術(shù)的發(fā)展,交通擁塞、交通安全和交通環(huán)境污染等問(wèn)題已引起許多科學(xué)工作者的廣泛關(guān)注,交通流系統(tǒng)具有時(shí)變、耦合、非線性動(dòng)態(tài)特征。其復(fù)雜性、可視化、結(jié)構(gòu)和功能之間的相互關(guān)系與內(nèi)在機(jī)理尚未得到足夠的重視。故本文對(duì)交通流的關(guān)鍵技術(shù)進(jìn)行了研究,其主要內(nèi)容如下:本文主要分析海量交通流的數(shù)據(jù)特性以及城市智能交通網(wǎng)中交通流的時(shí)空相關(guān)性。并基于復(fù)雜網(wǎng)絡(luò)的研究剖析了影響城市交通流變化的主要因素,為交通流預(yù)測(cè)建模提供決策支持。結(jié)合城市交通流特性,利用大數(shù)據(jù)挖掘技術(shù)進(jìn)行數(shù)據(jù)的提取、處理等,挖掘其潛在有用的知識(shí)為交通流預(yù)測(cè)建模提供數(shù)據(jù)支持。一方面,根據(jù)當(dāng)前的交通流數(shù)據(jù)來(lái)動(dòng)態(tài)調(diào)整其對(duì)未來(lái)預(yù)測(cè)的影響;另一方面,通過(guò)對(duì)歷史交通流數(shù)據(jù)的時(shí)空特性分析,利用數(shù)據(jù)挖掘領(lǐng)域的相關(guān)知識(shí)尋求與當(dāng)前交通流特性最為相似的假設(shè)規(guī)則。該方法對(duì)大數(shù)據(jù)進(jìn)行了約簡(jiǎn),提取了主要數(shù)據(jù),挖掘了未知信息,彌補(bǔ)了傳統(tǒng)數(shù)據(jù)處理在逼近性能方面的不足。同時(shí)兼顧交通流預(yù)測(cè)精度與交通流動(dòng)態(tài)變化的強(qiáng)適應(yīng)性。研究大規(guī)模路網(wǎng)交通流預(yù)測(cè),主要通過(guò)兩種方法建立交通流預(yù)測(cè)模型(即:基于知識(shí)免疫的模型、基于混沌知識(shí)免疫的模型)。基于知識(shí)免疫的算法是利用知識(shí)建構(gòu)和免疫優(yōu)化算法的優(yōu)勢(shì)相互取長(zhǎng)補(bǔ)短,而基于混沌的知識(shí)免疫算法是利用混沌算法的優(yōu)勢(shì)和知識(shí)免疫智能算法內(nèi)部策略來(lái)相互取長(zhǎng)補(bǔ)短,從而動(dòng)態(tài)地控制和調(diào)節(jié)區(qū)域大小進(jìn)而加速其算法搜索速度,以實(shí)現(xiàn)高效短時(shí)交通流的預(yù)測(cè),通過(guò)仿真實(shí)驗(yàn)證明該方法的可行的和有效的。
[Abstract]:With the development of science and technology, traffic congestion, traffic safety and traffic environmental pollution have attracted the attention of many scientists. Traffic flow systems have the characteristics of time-varying, coupling, nonlinear dynamics, complexity, visualization, etc. The relationship between structure and function and its intrinsic mechanism have not been paid enough attention to, so the key technology of traffic flow is studied in this paper. The main contents are as follows: this paper mainly analyzes the data characteristics of mass traffic flow and the temporal and spatial correlation of traffic flow in urban intelligent transportation network. Based on the research of complex network, it analyzes the main factors that affect the change of urban traffic flow. Based on the characteristics of urban traffic flow, big data mining technology is used to extract and process data, mining its potentially useful knowledge to provide data support for traffic flow forecasting modeling. According to the current traffic flow data to dynamically adjust its impact on the future prediction; on the other hand, by analyzing the space-time characteristics of historical traffic flow data, Using the relevant knowledge in the field of data mining to find the hypothetical rules which are most similar to the current traffic flow characteristics, this method has reduced big data, extracted the main data and mined the unknown information. It makes up for the shortcoming of the traditional data processing in approaching performance. At the same time, it takes into account the strong adaptability of traffic flow prediction precision and traffic flow state change, and studies the traffic flow prediction of large-scale road network. The traffic flow prediction model is established by two methods (i.e., the model based on knowledge immunity, the model based on chaos knowledge immunity). The algorithm based on knowledge immunity is to make use of the advantages of knowledge construction and immune optimization algorithm to complement each other. The knowledge immune algorithm based on chaos makes use of the advantages of chaos algorithm and the internal strategy of knowledge immune intelligent algorithm to complement each other, and dynamically controls and adjusts the size of the region and accelerates the search speed of the algorithm. The simulation results show that the method is feasible and effective.
【學(xué)位授予單位】：西南科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：U491.14

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 史其信,鄭為中;道路網(wǎng)短期交通流預(yù)測(cè)方法比較[J];交通運(yùn)輸工程學(xué)報(bào);2004年04期

2 王進(jìn),史其信;神經(jīng)網(wǎng)絡(luò)模型在短期交通流預(yù)測(cè)領(lǐng)域應(yīng)用綜述[J];河南科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年02期

3 向紅艷;朱順應(yīng);王紅;嚴(yán)新平;;短期交通流預(yù)測(cè)效果的模糊綜合評(píng)判[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2005年06期

4 王曉原;吳磊;張開(kāi)旺;張敬磊;;非參數(shù)小波算法的交通流預(yù)測(cè)方法[J];系統(tǒng)工程;2005年10期

5 向紅艷;肖盛燮;;模糊數(shù)學(xué)方法在交通流預(yù)測(cè)評(píng)價(jià)中的應(yīng)用[J];重慶交通學(xué)院學(xué)報(bào);2006年04期

6 王進(jìn);史其信;;基于非線性理論的短期交通流預(yù)測(cè)研究[J];西安建筑科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年02期

7 黃洪瓊;湯天浩;;基于最優(yōu)梯度自適應(yīng)優(yōu)化算法的交通流預(yù)測(cè)[J];計(jì)算機(jī)工程;2007年07期

8 喬德華;張開(kāi)禾;范耀祖;;多模型交通流預(yù)測(cè)優(yōu)化[J];交通標(biāo)準(zhǔn)化;2007年04期

9 李冬;;關(guān)于交通流預(yù)測(cè)各種模型的探討[J];今日科苑;2007年16期

10 馬海波;何超;徐鵬;;交通流預(yù)測(cè)網(wǎng)格自適應(yīng)負(fù)載平衡研究[J];科學(xué)技術(shù)與工程;2008年15期

相關(guān)會(huì)議論文 前5條

1 姜敏華;張曉東;;穩(wěn)定轉(zhuǎn)彎比例下的交通流預(yù)測(cè)[A];2007第三屆中國(guó)智能交通年會(huì)論文集[C];2007年

2 閆偉;劉云崗;王桂華;;數(shù)據(jù)挖掘在交通流預(yù)測(cè)模型中的研究與應(yīng)用[A];2008第四屆中國(guó)智能交通年會(huì)論文集[C];2008年

3 陳岳明;蕭德云;;擁堵條件下的路網(wǎng)交通流預(yù)測(cè)[A];2008’“先進(jìn)集成技術(shù)”院士論壇暨第二屆儀表、自動(dòng)化與先進(jìn)集成技術(shù)大會(huì)論文集[C];2008年

4 田夫;李勇;孫占全;;短時(shí)交通流預(yù)測(cè)方法研究[A];2007第三屆中國(guó)智能交通年會(huì)論文集[C];2007年

5 王勝;萬(wàn)健如;楊岳楓;韓雙;;基于蒙特卡羅法電梯交通流預(yù)測(cè)[A];天津市電機(jī)工程學(xué)會(huì)2012年學(xué)術(shù)年會(huì)論文集[C];2012年

相關(guān)博士學(xué)位論文 前1條

1 楊飛;基于回聲狀態(tài)網(wǎng)絡(luò)的交通流預(yù)測(cè)模型及其相關(guān)研究[D];北京郵電大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 田珠;大規(guī)模路網(wǎng)實(shí)時(shí)交通流預(yù)測(cè)模型及應(yīng)用研究[D];大連理工大學(xué);2008年

2 李青;城市交通流預(yù)測(cè)關(guān)鍵技術(shù)研究[D];西南科技大學(xué);2015年

3 王渭巍;公路交通流預(yù)測(cè)中“機(jī)理＋辨識(shí)”策略的若干基本問(wèn)題[D];天津大學(xué);2007年

4 蔡巖;基于灰色預(yù)測(cè)模型的短期交通流預(yù)測(cè)研究[D];西南交通大學(xué);2009年

5 方宇;小波支持向量機(jī)在交通流預(yù)測(cè)中的應(yīng)用研究[D];大連理工大學(xué);2010年

6 徐玉霞;大規(guī)模路網(wǎng)動(dòng)態(tài)交通流預(yù)測(cè)模型和算法研究[D];大連理工大學(xué);2006年

7 劉秋平;神經(jīng)網(wǎng)絡(luò)在短期交通流預(yù)測(cè)中的應(yīng)用研究[D];長(zhǎng)安大學(xué);2011年

8 彭?xiàng)潡?基于短—長(zhǎng)期模型組合的交通流預(yù)測(cè)方法[D];山東理工大學(xué);2012年

9 郁嬌嬌;云模型的交通流預(yù)測(cè)在智能旅游系統(tǒng)中的應(yīng)用[D];電子科技大學(xué);2013年

10 吳興福;基于信息融合技術(shù)的神經(jīng)網(wǎng)絡(luò)交通流預(yù)測(cè)系統(tǒng)[D];北京林業(yè)大學(xué);2010年

，

本文編號(hào)：1587915