【摘要】：短時(shí)交通流分析是智能交通系統(tǒng)的重要組成部分,其中短時(shí)交通流聚類能夠發(fā)現(xiàn)不同時(shí)間不同路段的相似交通流模式,為交通管理提供支撐;短時(shí)交通流預(yù)測能夠提供未來較短時(shí)間的交通流狀態(tài)的預(yù)測,為實(shí)現(xiàn)智能交通誘導(dǎo)與控制提供支撐。本文以某旅游景區(qū)周邊某高速公路卡口在國慶節(jié)假日和非節(jié)假日交通流量為實(shí)驗(yàn)對象,以改進(jìn)短時(shí)交通流序列的相似性度量為核心手段,從聚類和預(yù)測兩個(gè)研究角度出發(fā),解決了兩個(gè)過去較少被研究又有其實(shí)際意義的問題:在短時(shí)交通流聚類中對現(xiàn)有相似性度量局限性的討論和改進(jìn),以及將K近鄰回歸方法應(yīng)用在短時(shí)交通流預(yù)測中實(shí)現(xiàn)非對稱損失的預(yù)測。首先,本文介紹了數(shù)據(jù)基本信息,對數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)和預(yù)處理;分析了節(jié)假日和非節(jié)假日的交通流特征的差別,使用時(shí)間序列分析手段分析其序列生成機(jī)制。其次,本文利用節(jié)假日和非節(jié)假日交通流模式的差別,檢驗(yàn)了分層聚類、K均值及K中心點(diǎn)聚類在短時(shí)交通流聚類上的可行性;檢驗(yàn)了 LOESS平滑技術(shù)對聚類效果的提升,以及不同LOESS參數(shù)對聚類效果的影響;檢驗(yàn)應(yīng)用其他經(jīng)典相似性度量手段實(shí)現(xiàn)聚類上的可行性;并對經(jīng)典的歐氏距離在短時(shí)交通流聚類上的局限性討論,通過在歐氏距離上加上對序列差平穩(wěn)性的懲罰項(xiàng)實(shí)現(xiàn)了改進(jìn),并用實(shí)驗(yàn)驗(yàn)證了改進(jìn)。再次,本文在序列生成機(jī)制的基礎(chǔ)上建立了 IMA(1,1)的基準(zhǔn)模型;之后將“一步型預(yù)測”的靜態(tài)K近鄰方法改造成“滾動型預(yù)測”的動態(tài)K近鄰方法,使用原始流量數(shù)據(jù)和LOESS平滑后流量數(shù)據(jù)進(jìn)行動態(tài)預(yù)測,并進(jìn)行殘差分析;之后研究了K近鄰方法中三個(gè)關(guān)鍵參數(shù)的靈敏度,找到了該問題下最優(yōu)參數(shù)取值;最后提出了非對稱損失預(yù)測問題,提出了改進(jìn)相似性度量實(shí)現(xiàn)非對稱損失預(yù)測的三種思路,對判別標(biāo)準(zhǔn)和預(yù)測算法進(jìn)行改進(jìn),并用實(shí)驗(yàn)驗(yàn)證新算法成功實(shí)現(xiàn)了非對稱損失預(yù)測。本文的研究特色在于抓住改進(jìn)交通流序列相似性度量這個(gè)關(guān)鍵問題,在短時(shí)交通流聚類中實(shí)現(xiàn)了對歐氏距離的改進(jìn),在預(yù)測中實(shí)現(xiàn)了非對稱損失的預(yù)測,增強(qiáng)了K近鄰回歸在短時(shí)交通流預(yù)測中的應(yīng)用能力,具有一定的理論及應(yīng)用意義。本文的不足在于提出的非對稱損失預(yù)測方法較為樸素粗糙,有易受異常值影響等缺點(diǎn),未來還需要更多的相關(guān)研究和改進(jìn)使其更加成熟。
【圖文】：

靈敏度做了檢驗(yàn)，，找到最佳參數(shù)取值；四是提出了非對稱損失預(yù)測問題，改進(jìn)了判逡逑別標(biāo)準(zhǔn)，利用相似性度量改進(jìn)了Ｋ近鄰預(yù)測算法，并用實(shí)驗(yàn)驗(yàn)證了改進(jìn)效果。逡逑本文的技術(shù)路線圖如圖１－１所示。逡逑引言邐ｊ逡逑時(shí)間序列聚類邐＾邐短時(shí)交通流預(yù)｜逡逑腦背ｉ邐Ｗ煙的和總義邐研宄內(nèi)容逡逑Ｖ邐．邐Ｔ逡逑丨ｉ交通流時(shí)間序：邐交通流時(shí)間序＾逡逑列聚類理論邐Ｘ艦理論丨交佭數(shù)據(jù)采集與預(yù)處理技＊邐灥測理論丨逡逑：…邐—．．－－邐：邋１邋邐邐邐逡逑１邐１￣邐￣￣￣邐＾ｊ￣ｒ；逡逑節(jié)假日與非節(jié)邐交通流探索性分析與生成機(jī)制分析邐六丨逡逑假日交佭特邐＇逡逑征分析邐交通流數(shù)據(jù)介紹邋數(shù)據(jù)描述性統(tǒng)計(jì)與預(yù)處理逡逑ｒｒ—…二二：……＝：—……二〕ｎ＝Ｅ＾—逡逑Ｉ交：邐分層聚類］：丨歐氏運(yùn)瀬｝１邐瞧１１’１）基準(zhǔn)模型．．蓋逡逑通邋聚類邐＾邐改進(jìn)的動態(tài)

圖２－２傳統(tǒng)“一次預(yù)測型”邋Ｋ近鄰算法流程逡逑Ｆｉｇ邋２－２邋Ｔｒａｄｉｔｉｏｎａｌ邋ｓｔａｔｉｃ邋Ｋ－Ｎｅａｒｅｓｔ邋Ｎｅｉｇｈｂｏｒ邋ａｌｇｏｒｉｔｈｍｓ逡逑２．４．３交通流時(shí)間序列預(yù)測評價(jià)指標(biāo)逡逑本文所使用評價(jià)交通流量預(yù)測效果的評價(jià)指標(biāo)是均方誤差ＭＳＥ、均方根誤差逡逑ＲＭＳＥ和平均絕對誤差ＭＡＥＭ。在５．４．２節(jié)中將ＭＳＥ評價(jià)指標(biāo)改進(jìn)為非對稱的逡逑ＩＭＳＥ邋（Ｉｍｂａｌａｎｃｅｄ邋Ｍｅａｎ邋Ｓｑｕａｒｅｄ邋Ｅｒｒｏｒ）。逡逑ＭＳＥ計(jì)算公式如下：逡逑ｊ邋Ｎ邐２逡逑ＭＳＥ邋＝邋一邋Ｖ｛ｏｂｓｅｒｖｅｄｔ邋－邋ｐｒｅｄｉｃｔｅｄｔ）邐公式（２－１７）逡逑Ｎｔｔ逡逑ＲＭＳＥ計(jì)算公式如下：逡逑｜邋１邋＇邐７逡逑ＲＭＳＥ邋＝邋Ｊ—＾｛ｏｂｓｅｒｖｅｄｔ邋－邋ｐｒｅｄｉｃｔｅｄｔ）邐公式（２－１８邋）逡逑
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：U491.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 宋辭;裴韜;;基于特征的時(shí)間序列聚類方法研究進(jìn)展[J];地理科學(xué)進(jìn)展;2012年10期

2 李振龍;張利國;錢海峰;;基于非參數(shù)回歸的短時(shí)交通流預(yù)測研究綜述[J];交通運(yùn)輸工程與信息學(xué)報(bào);2008年04期

3 陳鵬;孫劍;李克平;;快速路交通流時(shí)間序列聚類預(yù)測方法與模型[J];交通與計(jì)算機(jī);2008年05期

4 劉峰;瞿俊;;基于聚類分析和神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測方法[J];微電子學(xué)與計(jì)算機(jī);2006年09期

5 劉靜,關(guān)偉;交通流預(yù)測方法綜述[J];公路交通科技;2004年03期

相關(guān)博士學(xué)位論文 前1條

1 姚智勝;基于實(shí)時(shí)數(shù)據(jù)的道路網(wǎng)短時(shí)交通流預(yù)測理論與方法研究[D];北京交通大學(xué);2007年

相關(guān)碩士學(xué)位論文 前3條

1 宋迪;高速公路短時(shí)交通流預(yù)測算法研究[D];浙江工業(yè)大學(xué);2016年

2 李強(qiáng);交通流時(shí)間序列的聚類分析方法及應(yīng)用[D];北京交通大學(xué);2012年

3 夏發(fā)欽;利用地感應(yīng)線圈檢測機(jī)動車輛的原理與實(shí)現(xiàn)[D];武漢科技大學(xué);2011年

本文編號：2620238