隨著社會經(jīng)濟的發(fā)展,機動車保有量不斷增加,導(dǎo)致環(huán)境污染、交通事故及交通擁堵等問題成為制約城市發(fā)展的重要瓶頸。為有效解決城市交通問題,智能交通系統(tǒng)應(yīng)運而生,短時交通流預(yù)測作為其中一個重要組成部分,如何準(zhǔn)確實時的提供預(yù)測結(jié)果是智能交通亟需解決的問題。然而,短時交通流系統(tǒng)的復(fù)雜性、非線性及不確定性等特點,使得現(xiàn)有的預(yù)測模型難以滿足智能交通系統(tǒng)對時間和精度的要求。本文在總結(jié)以往研究的基礎(chǔ)上,對采集的原始交通流數(shù)據(jù)進行檢測與異常值修復(fù),以保障數(shù)據(jù)分析和挖掘的合理性;同時利用徑向基(RBF)神經(jīng)網(wǎng)絡(luò)及集成學(xué)習(xí)算法建立短時交通流預(yù)測模型,為交通誘導(dǎo)與控制提供理論支撐。論文的主要創(chuàng)新研究工作如下:1.提出了基于改進FCM算法的交通流缺失數(shù)據(jù)修復(fù)方法。針對交通檢測器在采集和傳輸過程中出現(xiàn)交通流數(shù)據(jù)異常問題,提出一種改進FCM的交通流缺失數(shù)據(jù)修復(fù)方法,利用模糊決策理論和模擬退火算法優(yōu)化FCM的聚類數(shù)目和模糊度指數(shù),通過比較交通流數(shù)據(jù)中的相似性,實現(xiàn)缺失數(shù)據(jù)的修復(fù),為后續(xù)短時交通流預(yù)測研究提供高質(zhì)量數(shù)據(jù)支持;2.建立了基于IACO-RBF神經(jīng)網(wǎng)絡(luò)的交通流預(yù)測模型。針對傳統(tǒng)神經(jīng)網(wǎng)絡(luò)存在預(yù)測精度不高、參數(shù)設(shè)置敏...

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1.1交通擁堵圖

通安全與城市交通擁堵和交通能源與環(huán)境等問題[1-4]。智能交通系統(tǒng)（IntelligentTransportationSystem，ITS）采用先進的數(shù)據(jù)采集技術(shù)、傳感器技術(shù)、通信技術(shù)、協(xié)同控制技術(shù)、云計算技術(shù)等集成一種實時、高效及精準(zhǔn)的交通管理與控制系統(tǒng)，包括電子警察、道路視頻....

圖2.5同一斷面不同車道的交通流量圖

工程碩士學(xué)位論文19圖2.5同一斷面不同車道的交通流量圖表2.4同一斷面不同車道的交通流數(shù)據(jù)相關(guān)系數(shù)相關(guān)系數(shù)車道1車道2車道3車道110.90020.9251車道20.900210.9618車道30.92510.96181選取2018年4月份的數(shù)據(jù)對橫向相關(guān)性進行分析。圖2.5為....

本文編號：3904767