【摘要】：自改革開放以來,國民經(jīng)濟(jì)水平大幅度提升,導(dǎo)致我國的機動車保有量急劇上升。機動車在帶來交通便利的同時,也導(dǎo)致城市交通狀況日益惡化。目前,交通擁堵問題已成為許多城市的發(fā)展瓶頸,因此緩解城市交通擁堵問題迫在眉睫。交通流預(yù)測通過歷史交通流數(shù)據(jù)對未來時刻的交通流量進(jìn)行估計,能夠有效地提高居民的出行效率,增強執(zhí)法人員對城市交通的管控,是一種解決城市交通擁堵問題的有效手段。然而,由于受到天氣、大氣污染等多方面因素的影響,歷史交通流數(shù)據(jù)中存在高度的不確定性以及隨機性,這使得準(zhǔn)確、合理的預(yù)測變得十分困難。針對城市短時交通流量的精確預(yù)測問題,本文對計及周期性知識的數(shù)據(jù)驅(qū)動模糊預(yù)測方法進(jìn)行了深入研究,并將其應(yīng)用于短時交通流預(yù)測中。本文的主要工作如下:首先,對目前的主流交通流預(yù)測方法進(jìn)行了概述,介紹了城市交通流預(yù)測的特點;隨后討論了五種主流的交通流預(yù)測方法,并對上述五種交通流預(yù)測方法進(jìn)行了分析比較;最后對交通流預(yù)測方法進(jìn)行了總結(jié)。其次,為了降低歷史交通流數(shù)據(jù)中不確定性的影響,提升交通流預(yù)測精度,提出了一種基于自適應(yīng)模糊推理系統(tǒng)(ANFIS)計及周期性的城市交通流預(yù)測混合模型。該模型結(jié)合交通流周期性知識和數(shù)據(jù)驅(qū)動的交通流預(yù)測模型生成最終預(yù)測結(jié)果。在該方法中,首先提取交通流數(shù)據(jù)的周期性知識,將周期性知識從原始交通流數(shù)據(jù)中移除,然后獲得殘差數(shù)據(jù)并將其用于訓(xùn)練交通流預(yù)測模型,最后將模型輸出和周期性知識結(jié)合得到最終的交通流預(yù)測結(jié)果。其中,數(shù)據(jù)驅(qū)動的交通流預(yù)測模型采用ANFIS模型實現(xiàn)。為了驗證該方法在城市短時交通流預(yù)測中的優(yōu)越性,進(jìn)行了2種不同時長的交通流預(yù)測實驗。實驗結(jié)果證明,所提出的交通流預(yù)測混合模型在不同的短時預(yù)測實驗中均取得了最好的預(yù)測結(jié)果,進(jìn)而證明了所提方法的有效性。最后,針對交通流預(yù)測輸入變量確定問題及模糊方法輸入變量較多時規(guī)則爆炸問題,提出了一種基于函數(shù)型單輸入規(guī)則模塊模糊推理方法(FWSIRM-FIS)的城市交通流預(yù)測混合模型。該模型結(jié)合周期性提取方法和FWSIRM-FIS模型產(chǎn)生城市交通流預(yù)測最終結(jié)果。首先自歷史交通流數(shù)據(jù)中提取交通流周期性,將其從歷史數(shù)據(jù)中移除后得到相應(yīng)的殘差數(shù)據(jù),基于殘差數(shù)據(jù)采用偏自相關(guān)性分析(PACF)的方法選擇最優(yōu)輸入變量,然后利用所得的殘差數(shù)據(jù)對FWSIRM-FIS模型進(jìn)行訓(xùn)練,最后將FWSIRM-FIS模型的輸出與周期性知識相結(jié)合生成最終的預(yù)測結(jié)果。為了驗證該混合模型在城市交通流預(yù)測中的有效性,將其與三種交通流預(yù)測方法——ANFIS模型、BPNN模型以及剪枝模糊推理系統(tǒng)(PFLFIS)進(jìn)行了比較。實驗結(jié)果表明,該模型在不同的城市短時交通流預(yù)測實驗中都能取得最優(yōu)的預(yù)測效果,進(jìn)而證明了混合交通流預(yù)測模型的有效性。
【圖文】：

使用三個輸入變量預(yù)測下一時刻交通流的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖

( ) ( )( )2 t tE y w wy yw wη η = ′ u u次數(shù)或誤差閥值內(nèi)終止。交通流預(yù)測混合模型，，該方法將數(shù)據(jù)預(yù)測城市短時交通流量的目的。數(shù)圖 3.3 所示Σ+
【學(xué)位授予單位】：山東建筑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：U491.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李連強;高軍偉;;基于資源分配網(wǎng)絡(luò)算法的交通流預(yù)測研究[J];工業(yè)控制計算機;2017年10期

2 方琴;李永前;;K近鄰短期交通流預(yù)測[J];重慶交通大學(xué)學(xué)報(自然科學(xué)版);2012年04期

3 鄒煜星;鄧敏;;基于長時卷積深度網(wǎng)絡(luò)的交通流預(yù)測方法[J];測繪與空間地理信息;2019年07期

4 劉星委;劉建瑋;肖峰;;基于深度學(xué)習(xí)的交通流預(yù)測方法可行性研究[J];河北交通教育;2018年02期

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

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

7 陳相東;張勇;;基于局部多項式擬合的交通流預(yù)測[J];計算機工程與應(yīng)用;2012年19期

8 馬君;劉小冬;孟穎;;基于神經(jīng)網(wǎng)絡(luò)的城市交通流預(yù)測研究[J];電子學(xué)報;2009年05期

9 李一龍;;基于動態(tài)規(guī)劃的城市交通流預(yù)測與分配[J];交通運輸系統(tǒng)工程與信息;2009年03期

10 鄧晶;張倩;;基于數(shù)據(jù)挖掘技術(shù)的交通流預(yù)測模型[J];計算機系統(tǒng)應(yīng)用;2019年07期

相關(guān)會議論文 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[A];2007第三屆中國智能交通年會論文集[C];2007年

2 劉秋晨;;城市交叉口短時交通流預(yù)測方法[A];共享與品質(zhì)——2018中國城市規(guī)劃年會論文集（06城市交通規(guī)劃）[C];2018年

3 陳慧敏;朱錦強;李強偉;;基于深信度網(wǎng)絡(luò)的城市道路網(wǎng)交通流預(yù)測研究[A];第十一屆中國智能交通年會大會論文集[C];2016年

4 陳寧;吳堅;王移風(fēng);徐建軍;董紅召;;基于分形理論的短時城市交通流預(yù)測方法研究[A];2009中國控制與決策會議論文集（1）[C];2009年

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

相關(guān)重要報紙文章 前2條

1 本報記者 鈕懌;“金蛋”是怎樣孵出來的[N];文匯報;2008年

2 鈕懌邋王春;“金蛋”孵化記[N];科技日報;2008年

相關(guān)博士學(xué)位論文 前10條

1 黎光宇;高速公路交通流預(yù)測和仿真及其應(yīng)用[D];天津大學(xué);2017年

2 吳剛;高速公路交通流預(yù)測及事故預(yù)警方法研究[D];天津大學(xué);2014年

3 于志恒;基于智能理論的交通流量組合預(yù)測模型研究[D];東北師范大學(xué);2016年

4 楊廣全;電梯交通流分析及電梯群控策略研究[D];上海交通大學(xué);2007年

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

6 王凡;基于支持向量機的交通流預(yù)測方法研究[D];大連理工大學(xué);2010年

7 劉勇;基于熱力學(xué)熵和混沌理論的城市道路交通系統(tǒng)的研究[D];長安大學(xué);2009年

8 趙靜;基于高斯過程的動態(tài)系統(tǒng)研究[D];華東師范大學(xué);2016年

9 周堂;物聯(lián)網(wǎng)背景下城市交通擁堵事前疏導(dǎo)研究[D];湖南大學(xué);2014年

10 夏大文;基于MapReduce的移動軌跡大數(shù)據(jù)挖掘方法與應(yīng)用研究[D];西南大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 顏秉洋;計及周期性知識的數(shù)據(jù)驅(qū)動城市交通流模糊預(yù)測方法研究[D];山東建筑大學(xué);2019年

2 趙博;深度異步殘差網(wǎng)絡(luò)及在路網(wǎng)交通流預(yù)測中的應(yīng)用[D];北京交通大學(xué);2018年

3 崔方;基于深度置信網(wǎng)絡(luò)的城市道路交通流預(yù)測研究[D];蘭州交通大學(xué);2018年

4 許驁;基于因子分解機的交通流預(yù)測研究[D];杭州電子科技大學(xué);2018年

5 杜金彪;基于改進(jìn)KNN的CEEMD-RFR的短期交通流預(yù)測[D];長安大學(xué);2018年

6 張曉陽;基于深度學(xué)習(xí)的交通流預(yù)測和擁堵預(yù)防[D];哈爾濱工業(yè)大學(xué);2017年

7 汪靜;城市道路交通流預(yù)測與交通狀態(tài)識別方法研究[D];中國石油大學(xué)（北京）;2017年

8 黃益德;機器學(xué)習(xí)在交通流預(yù)測中的應(yīng)用[D];浙江大學(xué);2018年

9 張文剛;基于深度學(xué)習(xí)的交通預(yù)測技術(shù)及其在通信中的應(yīng)用研究[D];西南交通大學(xué);2018年

10 劉槐仁;城市關(guān)聯(lián)交叉口交通流預(yù)測控制研究與實現(xiàn)[D];廣東工業(yè)大學(xué);2018年

本文編號：2643878