本文關鍵詞：面向交通事件持續(xù)時間預測的貝葉斯網(wǎng)絡建模研究

  更多相關文章： 交通事件 持續(xù)時間預測 貝葉斯網(wǎng)絡 結構學習 MIT算法 ACOS算法 BNDT算法

【摘要】：交通事件是引發(fā)道路交通擁堵的主要因素之一,通過實時交通誘導等手段可以降低其對交通運行造成的影響,而及時準確地預測事件持續(xù)時間則是實現(xiàn)有效管控的前提條件。為探究影響事件持續(xù)時間因素之間的關系,構建更加科學的預測模型,本論文在國內(nèi)外研究現(xiàn)狀的基礎上,構建了以ACOS算法為核心的貝葉斯網(wǎng)絡預測模型,該模型基于MIT打分函數(shù),融合自上而下的網(wǎng)絡生長規(guī)則,引入蟻群并行算法進行全局結構搜索,增加節(jié)點隨機選擇機制及局部結構概率選擇模式,保證結構空間的多樣性,實現(xiàn)搜索效率的提高。根據(jù)貝葉斯網(wǎng)絡模型參數(shù),進一步將節(jié)點內(nèi)部機理引入至貝葉斯決策樹中,構建以BNDT算法為核心的改進貝葉斯決策樹模型,該模型在CART算法的基礎上,通過添加節(jié)點判別規(guī)則啟動類別判定機制,融合樸素貝葉斯理論與貝葉斯網(wǎng)絡推斷方法,考慮屬性節(jié)點間的依賴關系,以更加貼近實際情況。結合荷蘭交通部門的交通事件數(shù)據(jù)對上述模型進行實證分析,揭示交通事件持續(xù)時間的影響機理,并進行結構化和定量表達,得到的貝葉斯網(wǎng)絡預測模型的準確率在數(shù)據(jù)完備與缺失下分別為76.97%和93.23%,平均預測精度達87.82%。以誤差20分鐘為可接受的預測精度,貝葉斯分類模型在信息完備與缺失下的準確率為64.85%和63.64%。改進的貝葉斯決策樹模型能夠給出每個分枝的平均事件持續(xù)時間，，在數(shù)據(jù)完備的情況下,滿足預測精度的事件達77%；在不同的信息缺失程度下,滿足預測精度的事件最低占70%。實證分析結果表明,貝葉斯網(wǎng)絡模型以及改進貝葉斯決策樹模型,均能有效的對交通事件持續(xù)時間做出預測。
【關鍵詞】：交通事件 持續(xù)時間預測 貝葉斯網(wǎng)絡 結構學習 MIT算法 ACOS算法 BNDT算法
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U495
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-9
• 序言9-15
• 1 緒論15-25
• 1.1 研究背景及意義15-17
• 1.1.1 研究背景15-16
• 1.1.2 研究意義16-17
• 1.2 國內(nèi)外研究綜述17-20
• 1.3 研究目的及內(nèi)容20-22
• 1.3.1 研究目的20-21
• 1.3.2 研究內(nèi)容21-22
• 1.4 技術路線及論文結構22-25
• 1.4.1 技術路線22-23
• 1.4.2 組織結構23-25
• 2 貝葉斯網(wǎng)絡模型研究基礎25-33
• 2.1 貝葉斯網(wǎng)絡建模方法25-26
• 2.2 貝葉斯網(wǎng)絡優(yōu)化算法26-27
• 2.3 貝葉斯決策樹預測模型27-28
• 2.4 貝葉斯網(wǎng)絡理論基礎28-31
• 2.4.1 信息論基礎28-29
• 2.4.2 卡方分布29-30
• 2.4.3 網(wǎng)絡結構30-31
• 2.4.4 有向圖鄰接矩陣31
• 2.5 本章小結31-33
• 3 基于ACOS算法的貝葉斯網(wǎng)絡模型33-43
• 3.1 BN網(wǎng)結構學習33-35
• 3.1.1 MIT評分函數(shù)33-34
• 3.1.2 網(wǎng)絡生長規(guī)則34-35
• 3.2 ACOS搜索算法35-39
• 3.2.1 模型構建思路36-37
• 3.2.2 ACOS參數(shù)37-38
• 3.2.3 ACOS算法38-39
• 3.3 BN網(wǎng)模型預測39-42
• 3.3.1 預測模型構建40
• 3.3.2 分類模型構建40-41
• 3.3.3 推斷模型構建41-42
• 3.4 本章小結42-43
• 4 引入BN節(jié)點的貝葉斯決策樹模型43-53
• 4.1 決策樹模型構建43-46
• 4.1.1 分裂規(guī)則43-44
• 4.1.2 終止規(guī)則44
• 4.1.3 剪枝規(guī)則44
• 4.1.4 CART算法44-46
• 4.2 貝葉斯節(jié)點優(yōu)化46-48
• 4.2.1 樸素貝葉斯節(jié)點46-47
• 4.2.2 貝葉斯網(wǎng)絡節(jié)點47-48
• 4.2.3 節(jié)點分類48
• 4.3 BNDT模型構建48-51
• 4.3.1 模型構建思路48-49
• 4.3.2 屬性節(jié)點判別規(guī)則49-50
• 4.3.3 BN節(jié)點分類規(guī)則50
• 4.3.4 B節(jié)點分類規(guī)則50-51
• 4.4 本章小結51-53
• 5 交通事件持續(xù)時間預測模型53-81
• 5.1 交通事件持續(xù)時間數(shù)據(jù)描述53-56
• 5.1.1 數(shù)據(jù)來源53-54
• 5.1.2 數(shù)據(jù)描述54-56
• 5.2 交通事件持續(xù)時間的貝葉斯網(wǎng)絡模型56-65
• 5.2.1 數(shù)據(jù)分類區(qū)間57-58
• 5.2.2 模型構建結果58-59
• 5.2.3 影響因素內(nèi)部機理59-63
• 5.2.4 事件持續(xù)時間影響因素分析63-65
• 5.3 交通事件持續(xù)時間預測的貝葉斯網(wǎng)絡模型65-72
• 5.3.1 BN預測模型構建65-68
• 5.3.2 BN分類模型構建68-70
• 5.3.3 BN預測結果分析70-72
• 5.4 交通事件持續(xù)時間預測的BNDT模型構建72-80
• 5.4.1 數(shù)據(jù)統(tǒng)計72-73
• 5.4.2 BNDT模型構建73-76
• 5.4.3 BNDT模型檢驗76-79
• 5.4.4 各類模型比較分析79-80
• 5.5 本章小結80-81
• 6 結論與展望81-83
• 6.1 研究結論81-82
• 6.2 研究創(chuàng)新點82
• 6.3 研究展望82-83
• 參考文獻83-89
• 附錄A89-91
• 附錄B91-93
• 附錄C93-99
• 附錄D99-101
• 作者簡歷及攻讀碩士學位期間取得的研究成果101-105
• 學位論文數(shù)據(jù)集105

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 趙志祥;周德鄰;;數(shù)據(jù)調整的貝葉斯方法在微觀核數(shù)據(jù)評價中的應用[J];核科學與工程;1985年01期

2 丁以華;;貝葉斯方法的發(fā)展及其存在問題[J];質量與可靠性;1986年01期

3 王宏洲;引信的可靠性評定——貝葉斯方法和經(jīng)驗貝葉斯方法[J];現(xiàn)代引信;1989年02期

4 吳伯賢;;貝葉斯方法在洪水頻率分析中的應用[J];成都科技大學學報;1990年01期

5 張家新,王自力;貝葉斯方法在船體結構疲勞分析中的應用[J];造船技術;2000年05期

6 陳曉懷,程真英,劉春山;動態(tài)測量誤差的貝葉斯建模預報[J];儀器儀表學報;2004年S1期

7 黎紅;陶勇;;基于主觀貝葉斯方法的裝備故障概率分析[J];國防技術基礎;2009年02期

8 馮為民;朱俊;李嘉榮;;貝葉斯方法在房地產(chǎn)風險決策中的應用研究[J];重慶建筑大學學報;2006年02期

9 魯華;周德云;;貝葉斯網(wǎng)絡的對地多目標攻擊決策[J];火力與指揮控制;2008年07期

10 汪力;葉樺;夏良正;;貝葉斯框架下的人的檢測[J];東南大學學報(自然科學版);2007年S1期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 David Z.D'Argenio;;貝葉斯方法在實驗室研究向臨床的轉化以及辨識隱含亞群體中的應用(英文)[A];中國藥理學會臨床藥理學專業(yè)委員會會議暨第十次全國臨床藥理學學術會議論文集[C];2007年

2 姜峰;高文;姚鴻勛;;貝葉斯網(wǎng)絡的推理和學習[A];全國網(wǎng)絡與信息安全技術研討會'2005論文集（下冊）[C];2005年

3 丁東洋;劉希陽;;風險分析中的穩(wěn)健貝葉斯方法[A];2011年全國電子信息技術與應用學術會議論文集[C];2011年

4 周桃庚;沙定國;;貝葉斯可靠性序貫驗證試驗方法[A];中國儀器儀表學會第三屆青年學術會議論文集（下）[C];2001年

5 陳曉懷;程真英;劉春山;;動態(tài)測量誤差的貝葉斯建模預報[A];第二屆全國信息獲取與處理學術會議論文集[C];2004年

6 杜鵬英;羅小平;何志明;;貝葉斯網(wǎng)絡的發(fā)展及理論應用[A];第三屆全國虛擬儀器大會論文集[C];2008年

7 楊麗;武海濱;李康;;無金標準診斷試驗評價的貝葉斯方法及應用[A];2011年中國衛(wèi)生統(tǒng)計學年會會議論文集[C];2011年

8 寧鵬達;;貝葉斯方法在風險投資項目決策中的應用[A];第四屆中國科學學與科技政策研究會學術年會論文集（Ⅰ）[C];2008年

9 朱永生;;貝葉斯方法確定泊松變量的置信上限[A];中國物理學會高能物理分會第七屆學術年會實驗分會場論文集[C];2006年

10 王增忠;柳玉杰;施建剛;;建筑工程項目全壽命安全管理決策的貝葉斯方法[A];中國優(yōu)選法統(tǒng)籌法與經(jīng)濟數(shù)學研究會第七屆全國會員代表大會暨第七屆中國管理科學學術年會論文集[C];2005年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 闞英男;基于網(wǎng)格近似法的數(shù)控機床貝葉斯可靠性評估研究[D];吉林大學;2015年

2 賈海洋;貝葉斯網(wǎng)學習若干問題研究[D];吉林大學;2008年

3 黃友平;貝葉斯網(wǎng)絡研究[D];中國科學院研究生院（計算技術研究所）;2005年

4 朱允剛;貝葉斯網(wǎng)學習中若干問題研究及其在信息融合中的應用[D];吉林大學;2012年

5 董立巖;貝葉斯網(wǎng)絡應用基礎研究[D];吉林大學;2007年

6 李小琳;面向智能數(shù)據(jù)處理的貝葉斯網(wǎng)絡研究與應用[D];吉林大學;2005年

7 江敏;貝葉斯優(yōu)化算法的若干問題研究及應用[D];上海大學;2012年

8 胡笑旋;貝葉斯網(wǎng)建模技術及其在決策中的應用[D];合肥工業(yè)大學;2006年

9 何巖;統(tǒng)計稀疏學習中的貝葉斯非參數(shù)建模方法及應用研究[D];浙江大學;2012年

10 范敏;基于貝葉斯網(wǎng)絡的學習與決策方法研究及應用[D];重慶大學;2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 張路路;貝葉斯網(wǎng)絡系統(tǒng)可靠性分析及故障診斷方法研究[D];山東建筑大學;2015年

2 徐冰;基于貝葉斯網(wǎng)絡的傳染病時空預警模型研究[D];長安大學;2015年

3 李艷強;基于不確定理論的酸洗線和鍍鋅線的視情維修策略研究[D];河北工程大學;2015年

4 王蕓;貝葉斯AGARCH模型在我國商業(yè)銀行利率風險度量中的應用[D];南京財經(jīng)大學;2015年

5 侯歡歡;基于貝葉斯網(wǎng)絡城市埋地燃氣管線風險評價研究[D];首都經(jīng)濟貿(mào)易大學;2015年

6 王宇;貝葉斯參數(shù)更新在可靠性分析中的應用[D];南京航空航天大學;2014年

7 李福偉;貝葉斯壓縮感知理論與技術[D];電子科技大學;2015年

8 李景囡;基于依賴分析的貝葉斯網(wǎng)絡結構學習算法研究[D];西安電子科技大學;2014年

9 楊祥睿;基于貝葉斯網(wǎng)絡的船撞橋風險評估研究[D];重慶交通大學;2015年

10 湯玉利;貝葉斯反問題的MAP估計及其一致性[D];上海交通大學;2015年

本文編號：559572