隨著人們生活水平的不斷提高,城市出行也愈發(fā)顯得多樣化,日益龐大的出行量給當(dāng)下的交通系統(tǒng)造成了巨大的壓力,在此背景下智能交通控制系統(tǒng)（Intelligent Transportation System,ITS）應(yīng)運而生并獲得快速發(fā)展。其中,城市短時車流量預(yù)測（Short-term Traffic Flow Prediction）作為智能交通控制系統(tǒng)中的一個重要環(huán)節(jié)和分支顯得尤為重要。然后車聯(lián)網(wǎng)（Vehicular Ad-Hoc Network,VANET）通過V2X傳輸協(xié)議和無線通信實現(xiàn)在車與車、車與路、車與人和車與互聯(lián)網(wǎng)之間的互聯(lián),以保障信息動態(tài)交互和車輛智能控制。5G移動網(wǎng)絡(luò)具有高速率、低延時等眾多優(yōu)點,本文通過將車聯(lián)網(wǎng)與5G網(wǎng)絡(luò)相結(jié)合設(shè)計出一種基于5G車聯(lián)網(wǎng)交通流預(yù)測模型,致力于推動ITS獲得突破性發(fā)展。首先,針對KNN算法用于短時交通流預(yù)測中預(yù)測效率不高的問題,本文提出了一種改進(jìn)的基于非參數(shù)回歸的KNN短時交通流預(yù)測方法,該方法基于非參數(shù)回歸的思想,通過KNN算法先在非預(yù)測時間段內(nèi),從歷史數(shù)據(jù)中為系統(tǒng)尋找與當(dāng)前狀態(tài)相似的候選輸入數(shù)據(jù);然后在預(yù)測點從候選輸入數(shù)據(jù)中識別用于預(yù)測的最佳... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【部分圖文】：

車聯(lián)網(wǎng)示意圖

圖 1.3 交通流預(yù)測在智能交通控制系統(tǒng)中的應(yīng)用紀(jì) 60 年代以來，人們開始將工程上的很多已經(jīng)經(jīng)過驗證且非常成交通流預(yù)測上，然后經(jīng)過學(xué)者的不斷研究和探索，逐漸發(fā)展出許起來，這些方法和模型基本可分為三個大類，依次為：基于數(shù)理能理論的方法和基于非線性回歸理論的方法[18]。數(shù)理統(tǒng)計理論的方法是利用數(shù)理統(tǒng)計的方法對交通歷史數(shù)據(jù)進(jìn)行流量、行程時間、行車速度、占有率等數(shù)據(jù)進(jìn)行交通流的預(yù)測。預(yù)測，通常來說未來的交通流與過去的交通流狀況之間具有極大預(yù)測數(shù)據(jù)與歷史數(shù)據(jù)之間的相關(guān)性來預(yù)測未來時刻的交通流量。方法和模型大概有：歷史平均模型、線性回歸模型、kalman 濾波ARIMA 模型等[19]。文獻(xiàn)[20]分析了短時交通流的混沌特性，結(jié)合中的卡爾曼濾波短時交通流預(yù)測模型，提高了短時交通流預(yù)測的

為此，首先需要了解短時交通流相關(guān)的基礎(chǔ)理論知識。本章分別介概念、短時交通流的主要特性、短時交通流預(yù)測性能的評價指標(biāo)系數(shù)主要模型和方法的分類。在對比不同類型的預(yù)測方法及模型的預(yù)測效果當(dāng)?shù)念A(yù)測算法來應(yīng)對不同場景和路段的交通流預(yù)測，為后面的短時交交通流理論交通流的概念量是交通道路上行駛車輛的流量的簡稱，表示為某一時間段 t 到 t+ t間隔)內(nèi)通過某一道路段并被該路段觀測點檢測到的實際的車輛的數(shù)目間隔 t≤15min 的預(yù)測稱為短時（short-term）交通流預(yù)測[31]。

【參考文獻(xiàn)】：
期刊論文
[1]基于KNN-LSTM的短時交通流預(yù)測[J]. 羅向龍,李丹陽,楊彧,張生瑞.  北京工業(yè)大學(xué)學(xué)報. 2018(12)
[2]面向5G車聯(lián)網(wǎng)連通性關(guān)鍵理論綜述[J]. 張登銀,張敏,丁飛.  南京郵電大學(xué)學(xué)報(自然科學(xué)版). 2018(01)
[3]5G車聯(lián)網(wǎng)展望[J]. 王良民,劉曉龍,李春曉,楊睛,楊衛(wèi)東.  網(wǎng)絡(luò)與信息安全學(xué)報. 2016(06)
[4]基于KNN回歸的短時交通流預(yù)測[J]. 陳婧敏.  微型電腦應(yīng)用. 2015(09)
[5]多源檢測器的交通數(shù)據(jù)融合研究[J]. 史巖,董宏輝,張瑜,單慶超,劉鍇.  道路交通與安全. 2015(03)
[6]5G移動通信發(fā)展趨勢與若干關(guān)鍵技術(shù)[J]. 尤肖虎,潘志文,高西奇,曹淑敏,鄔賀銓.  中國科學(xué):信息科學(xué). 2014(05)
[7]公路短時車流量預(yù)測模型研究[J]. 宋子房.  科學(xué)決策. 2014(04)
[8]灰色預(yù)測模型在高速公路車流預(yù)測中的應(yīng)用[J]. 汪超,孫衛(wèi)華,何元烈.  廣東工業(yè)大學(xué)學(xué)報. 2012(01)
[9]車聯(lián)網(wǎng)現(xiàn)狀與發(fā)展研究[J]. 程剛,郭達(dá).  移動通信. 2011(17)
[10]核函數(shù)法與最鄰近法在短時交通流預(yù)測應(yīng)用中的對比研究[J]. 錢海峰,陳陽舟,李振龍,楊玉珍.  交通與計算機. 2008(06)



本文編號：3273851