本文關(guān)鍵詞：基于多維多尺度數(shù)據(jù)的交通速度預(yù)測(cè)模型研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著我國(guó)國(guó)民經(jīng)濟(jì)的快速發(fā)展,交通問(wèn)題凸顯,也引發(fā)了交通擁堵、交通事故、空氣污染等社會(huì)問(wèn)題。為了緩解城市道路的擁擠問(wèn)題,智能交通系統(tǒng)應(yīng)運(yùn)而生,通過(guò)合理調(diào)控交通負(fù)荷,保證交通安全高效的運(yùn)行。而智能交通系統(tǒng)中,交通速度預(yù)測(cè)是實(shí)現(xiàn)交通信號(hào)控制、交通誘導(dǎo)等關(guān)鍵應(yīng)用的先決條件。當(dāng)前,城市內(nèi)出租車普遍安裝了車載GPS裝置,向以數(shù)據(jù)為驅(qū)動(dòng)的智能交通系統(tǒng)提供全天候、大范圍的時(shí)空信息。由于出租車是一種城市內(nèi)居民出行的重要交通方式,能夠更客觀地體現(xiàn)交通狀況,所以出租車GPS數(shù)據(jù)越發(fā)受到研究機(jī)構(gòu)的重視,許多學(xué)者從海量的GPS數(shù)據(jù)出發(fā),通過(guò)分析和挖掘數(shù)據(jù)中所蘊(yùn)含的潛力和價(jià)值,為交通速度預(yù)測(cè)開(kāi)辟了新途徑。但是,已有工作對(duì)長(zhǎng)時(shí)間尺度預(yù)測(cè)效果不佳,尤其當(dāng)一些隨機(jī)事件發(fā)生時(shí)(如惡劣天氣、節(jié)假日等),預(yù)測(cè)精度將大大降低。因此,本文基于杭州市88000多條出租車GPS數(shù)據(jù),結(jié)合天氣、特殊時(shí)間等影響交通動(dòng)態(tài)的隨機(jī)因素,分析了交通速度數(shù)據(jù)在多個(gè)時(shí)間尺度的相關(guān)性以及不同隨機(jī)事件對(duì)交通速度的影響,提出了一套融合多時(shí)間尺度歷史數(shù)據(jù)和多維度隨機(jī)因素的混雜交通速度預(yù)測(cè)建�？蚣�。首先,本文搭建了數(shù)據(jù)分析平臺(tái),該平臺(tái)利用Hadoop分布式計(jì)算框架,實(shí)現(xiàn)高效的海量GPS數(shù)據(jù)預(yù)處理。接著,基于該平臺(tái),本文計(jì)算得到了每個(gè)路段每小時(shí)的平均速度,并將其作為時(shí)間序列數(shù)據(jù)進(jìn)行相關(guān)性分析,結(jié)果發(fā)現(xiàn)以小時(shí)和以天為周期的交通數(shù)據(jù)均存在一定規(guī)律特征；除此之外,本文也分析了天氣、特殊時(shí)間等隨機(jī)因素對(duì)交通速度的影響。進(jìn)而,本文提出了基于系統(tǒng)辨識(shí)方法的多維多尺度交通速度預(yù)測(cè)建模框架,框架中包含了一個(gè)系統(tǒng)迭代辨識(shí)算法用于計(jì)算模型的階次和參數(shù),從而實(shí)現(xiàn)了將多個(gè)時(shí)間尺度的交通速度與天氣、特殊時(shí)間等多維度隨機(jī)因素作為系統(tǒng)輸入,對(duì)交通速度進(jìn)行建模與預(yù)測(cè)。最后,基于交通速度歷史數(shù)據(jù)、天氣數(shù)據(jù)和特殊時(shí)間數(shù)據(jù),本文分別評(píng)估了各個(gè)維度的數(shù)據(jù)對(duì)模型的影響,結(jié)果發(fā)現(xiàn)考慮多個(gè)時(shí)間尺度的歷史數(shù)據(jù)能夠有效提高長(zhǎng)時(shí)間尺度下的預(yù)測(cè)效果；而且,考慮隨機(jī)因素對(duì)模型精度也有顯著提升；此外,對(duì)比常用于交通速度預(yù)測(cè)的機(jī)器學(xué)習(xí)方法——支持向量回歸,基于同等的先驗(yàn)知識(shí),本文的算法具有更高的精度。
【關(guān)鍵詞】：交通速度預(yù)測(cè) 相關(guān)性分析 大數(shù)據(jù)處理 出租車GPS數(shù)據(jù) 系統(tǒng)辨識(shí)
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U491.14
【目錄】：

• 致謝4-6
• 摘要6-7
• Abstract7-14
• 1 緒論14-24
• 1.1 研究背景及意義14-18
• 1.1.1 交通擁堵問(wèn)題的現(xiàn)狀及智能交通發(fā)展趨勢(shì)14-15
• 1.1.2 多維多尺度數(shù)據(jù)挖掘15-18
• 1.2 相關(guān)研究及研究現(xiàn)狀18-22
• 1.2.1 時(shí)間序列數(shù)據(jù)相關(guān)性建模18-19
• 1.2.2 交通預(yù)測(cè)相關(guān)研究19-22
• 1.3 本文工作和章節(jié)安排22-23
• 1.4 本章小結(jié)23-24
• 2 出租車GPS數(shù)據(jù)分析平臺(tái)的搭建24-36
• 2.1 多維數(shù)據(jù)介紹24-26
• 2.1.1 交通數(shù)據(jù)集24-25
• 2.1.2 天氣數(shù)據(jù)集25
• 2.1.3 特殊時(shí)間數(shù)據(jù)集25-26
• 2.2 大數(shù)據(jù)分布式處理集群的搭建26-28
• 2.3 數(shù)據(jù)預(yù)處理28-35
• 2.3.1 交通數(shù)據(jù)預(yù)處理28-32
• 2.3.2 其他數(shù)據(jù)預(yù)處理32-35
• 2.4 本章小結(jié)35-36
• 3 數(shù)據(jù)相關(guān)性分析36-44
• 3.1 交通速度歷史數(shù)據(jù)相關(guān)性分析36-41
• 3.1.1 以小時(shí)為周期的交通數(shù)據(jù)相關(guān)性分析36-38
• 3.1.2 以天為周期的交通數(shù)據(jù)相關(guān)性分析38-41
• 3.2 其他數(shù)據(jù)集與交通速度的相關(guān)性分析41-43
• 3.2.1 天氣與交通速度的相關(guān)性分析42
• 3.2.2 特殊時(shí)間與交通速度的相關(guān)性分析42-43
• 3.3 本章小結(jié)43-44
• 4 基于多維多尺度數(shù)據(jù)的交通速度動(dòng)態(tài)預(yù)測(cè)模型44-64
• 4.1 問(wèn)題描述44-45
• 4.2 系統(tǒng)辨識(shí)簡(jiǎn)介45-47
• 4.3 基于系統(tǒng)辨識(shí)的交通速度預(yù)測(cè)模型47-50
• 4.3.1 模型的基本結(jié)構(gòu)47-48
• 4.3.2 模型的階次和參數(shù)48-49
• 4.3.3 模型的在線辨識(shí)49-50
• 4.4 模型性能評(píng)估50-59
• 4.4.1 數(shù)據(jù)集設(shè)置50-51
• 4.4.2 評(píng)價(jià)標(biāo)準(zhǔn)51
• 4.4.3 模型參數(shù)分析51-53
• 4.4.4 交通速度預(yù)測(cè)結(jié)果53-54
• 4.4.5 多時(shí)間尺度對(duì)模型精度的影響54-56
• 4.4.6 隨機(jī)因素對(duì)模型精度的影響56-59
• 4.5 用支持向量回歸做交通速度預(yù)測(cè)59-61
• 4.5.1 支持向量回歸方法介紹59-61
• 4.6 本章小結(jié)61-64
• 5 總結(jié)與展望64-68
• 5.1 本文工作總結(jié)64-65
• 5.2 研究工作展望65-68
• 參考文獻(xiàn)68-72
• 發(fā)表文章目錄72

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 姜健健;;2009福田指數(shù)——中國(guó)居民機(jī)動(dòng)性指數(shù)發(fā)布[J];市場(chǎng)研究;2010年02期

2 劉利花;張金喜;;高速公路不良天氣交通事故分析[J];道路交通與安全;2006年08期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 李琦;基于多源數(shù)據(jù)的交通狀態(tài)監(jiān)測(cè)與預(yù)測(cè)方法研究[D];吉林大學(xué);2013年

2 鄧中偉;面向交通服務(wù)的多源移動(dòng)軌跡數(shù)據(jù)挖掘與多尺度居民活動(dòng)的知識(shí)發(fā)現(xiàn)[D];華東師范大學(xué);2012年

  本文關(guān)鍵詞：基于多維多尺度數(shù)據(jù)的交通速度預(yù)測(cè)模型研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：298794