本文選題：交通參數(shù)預(yù)測(cè) + 卡爾曼濾波　； 參考：《吉林大學(xué)》2017年碩士論文

【摘要】：隨著城市交通的不斷發(fā)展,智能交通技術(shù)不斷革新,城市交通問題的解決也迫在眉睫。城市交通誘導(dǎo)已成為解決大中城市的交通問題有效策略,在城市誘導(dǎo)中,需要對(duì)交通信息進(jìn)行有效、實(shí)時(shí)預(yù)測(cè),從而交通管理者能夠根據(jù)交通信息分析下一時(shí)刻交通運(yùn)行狀況,進(jìn)而提出有效的誘導(dǎo)方案。因此,交通參數(shù)預(yù)測(cè)在交通管理中的作用已不容忽視。本文針對(duì)交通問題現(xiàn)狀,首先對(duì)數(shù)據(jù)采樣間隔及西寧數(shù)據(jù)分析,找出合適的采樣間隔及預(yù)測(cè)時(shí)間間隔;提出了基于灰色關(guān)聯(lián)度分析的Kalman濾波算法進(jìn)行交通參數(shù)預(yù)測(cè),基于歷史數(shù)據(jù)進(jìn)行預(yù)測(cè),結(jié)果擬合較好;考慮到城市中部分路網(wǎng)檢測(cè)器尚未覆蓋,或檢測(cè)器損壞等問題,采用相關(guān)性分析的方法,針對(duì)無檢測(cè)器路段歷史數(shù)據(jù)獲取困難的情況進(jìn)行分析解決。本文從實(shí)際角度出發(fā),采用大量交通數(shù)據(jù)進(jìn)行實(shí)例分析、并對(duì)所提方法進(jìn)行驗(yàn)證。驗(yàn)證結(jié)果表明本文方法能夠有效的解決實(shí)際交通參數(shù)預(yù)測(cè)的問題,并且能夠?yàn)榻煌ㄕT導(dǎo)提供有效的數(shù)據(jù)支撐。
[Abstract]:With the development of urban traffic and the innovation of intelligent transportation technology, it is urgent to solve urban traffic problems. Urban traffic guidance has become an effective strategy to solve traffic problems in large and medium-sized cities. In the process of urban guidance, traffic information needs to be effectively predicted in real time, so that traffic managers can analyze traffic conditions at the next moment according to traffic information. Then an effective induction scheme is proposed. Therefore, the role of traffic parameter prediction in traffic management can not be ignored. In this paper, according to the current situation of traffic problems, we first analyze the data sampling interval and Xining data, find out the appropriate sampling interval and forecast time interval, and propose a Kalman filter algorithm based on grey correlation analysis to predict traffic parameters. Based on historical data, the results are well fitted, considering that some road network detectors in cities are not covered, or detectors are damaged, the method of correlation analysis is adopted. The problem of obtaining historical data without detector is analyzed and solved. In this paper, a large number of traffic data are used for practical analysis, and the proposed method is verified. The results show that the proposed method can effectively solve the problem of actual traffic parameter prediction and provide effective data support for traffic guidance.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：U491.14

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 姜桂艷;王秋蘭;李琦;;基于多時(shí)間尺度一步外推的短時(shí)交通參數(shù)多步預(yù)測(cè)方法[J];公路交通科技;2013年02期

2 徐惠娟,石海;一種自動(dòng)道路交通參數(shù)采集處理系統(tǒng)[J];上海大學(xué)學(xué)報(bào)(自然科學(xué)版);1997年03期

3 徐東偉;董宏輝;李海艦;賈利民;;基于壓縮感知的道路交通參數(shù)修復(fù)方法研究[J];交通運(yùn)輸系統(tǒng)工程與信息;2013年06期

4 徐建閩,盧凱,韋文斌;公路交通參數(shù)檢測(cè)器的設(shè)計(jì)[J];公路;2003年05期

5 吳浩勇,叢玉良,王宏志;基于神經(jīng)網(wǎng)絡(luò)的交通參數(shù)預(yù)測(cè)方法[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2005年06期

6 陳陽,周明全,耿國(guó)華;基于卡爾曼濾波的交通參數(shù)采集系統(tǒng)[J];微機(jī)發(fā)展;2004年12期

7 楊建平;劉秉瀚;;基于視頻的交通參數(shù)的自動(dòng)提取[J];福州大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年06期

8 方江波;徐建閩;卞建勇;;基于TDS642EVM的交通參數(shù)檢測(cè)[J];交通信息與安全;2009年03期

9 馮金巧;楊兆升;孫占全;張立東;劉威;;基于小波分析的交通參數(shù)組合預(yù)測(cè)方法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2010年05期

10 荊便順;識(shí)別路段交通平均速度的一種相關(guān)分析法[J];中國(guó)公路學(xué)報(bào);1995年S1期

相關(guān)會(huì)議論文 前1條

1 鄒嬌;高萬寶;夏嵩洋;;基于視頻的交通LOS感知聚類分析方法[A];第八屆中國(guó)智能交通年會(huì)優(yōu)秀論文集——智能交通與安全[C];2013年

相關(guān)博士學(xué)位論文 前2條

1 張婧;城市道路交通擁堵判別、疏導(dǎo)與仿真[D];東南大學(xué);2016年

2 楊慶芳;先進(jìn)的交通管理系統(tǒng)關(guān)鍵理論與方法研究[D];吉林大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 張媛;基于交通波檢測(cè)的交通參數(shù)獲取研究[D];北京工業(yè)大學(xué);2015年

2 唐易;高速公路交通參數(shù)獲取網(wǎng)絡(luò)節(jié)點(diǎn)布設(shè)與傳輸方法研究[D];北京交通大學(xué);2017年

3 張鴻玉;基于多源檢測(cè)器的交通參數(shù)一體化感知方法研究[D];吉林大學(xué);2017年

4 陳瑪瑙;面向城市路網(wǎng)的短時(shí)交通參數(shù)預(yù)測(cè)方法研究[D];吉林大學(xué);2017年

5 王秋蘭;短時(shí)交通參數(shù)多步預(yù)測(cè)方法研究[D];吉林大學(xué);2012年

6 高江杰;基于人工標(biāo)定的智能交通參數(shù)算法評(píng)估[D];北京工業(yè)大學(xué);2014年

7 曹鳳萍;城市道路交通參數(shù)短時(shí)多步預(yù)測(cè)方法研究[D];吉林大學(xué);2008年

8 Q，

本文編號(hào)：1855163