【摘要】：交通信息與云計(jì)算、物聯(lián)網(wǎng)等高新技術(shù)相結(jié)合已成為智慧城市發(fā)展的重要舉措之一,在提高道路通行能力、解決城市道路擁堵、減少環(huán)境污染等方面發(fā)揮著舉足輕重的作用。交通流預(yù)測是其系統(tǒng)中信息處理、智能控制的關(guān)鍵要素之一,也是提高交通服務(wù)水平、增強(qiáng)用戶體驗(yàn)滿意度的重要應(yīng)用基礎(chǔ)之一。由于城市道路中交通流狀態(tài)的復(fù)雜性和時(shí)變性,掌握交通流變化規(guī)律以及預(yù)測任意時(shí)刻的交通流狀況實(shí)屬不易,因此對(duì)于短時(shí)交通流的實(shí)時(shí)預(yù)測頗有研究意義。本文以復(fù)雜的城市交通路網(wǎng)為研究背景,應(yīng)用OpenITS系統(tǒng)提供的開放微波數(shù)據(jù),對(duì)采集到的交通流量數(shù)據(jù)進(jìn)行特征分析,發(fā)現(xiàn)每個(gè)探測點(diǎn)的數(shù)據(jù)呈現(xiàn)周期性的特征,之后應(yīng)用Pearson相關(guān)系數(shù)去測量各個(gè)微波檢測設(shè)備之間的相關(guān)性,為文中根據(jù)實(shí)測點(diǎn)之間的關(guān)聯(lián)性去預(yù)測交通流提供支持。本文在對(duì)相空間重構(gòu)進(jìn)行研究的基礎(chǔ)上,分析了交通流可看作混沌時(shí)間序列的必然性。在求解重構(gòu)相空間的過程中,為適應(yīng)相空間的重構(gòu)條件,對(duì)最近臨算法(K-Nearest Neighbor classification,KNN)中帶有標(biāo)簽的樣本數(shù)據(jù)這一條件和判別標(biāo)準(zhǔn)進(jìn)行修改,從而獲取重構(gòu)相空間的基本參數(shù):延遲時(shí)間和嵌入維度。同時(shí),該工作屬于基于相空間重構(gòu)和支持向量回歸機(jī)(Support Vector Regression,SVR)的短時(shí)交通流預(yù)測模型的輸入模塊,為樣本數(shù)據(jù)轉(zhuǎn)化為模型輸入提供了整合基礎(chǔ)。本文對(duì)支持向量機(jī)(Support Vector Machine,SVM)進(jìn)行了研究,應(yīng)用同SVM原理類似且適用于預(yù)測問題的支持向量回歸機(jī)。因交通流數(shù)據(jù)的非線性特征,在模型構(gòu)建時(shí),采用高斯核函數(shù)對(duì)輸入數(shù)據(jù)進(jìn)行高維空間的映射。本文模型的構(gòu)建與求解過程如下:首先,應(yīng)用相空間重構(gòu)理論對(duì)樣本數(shù)據(jù)進(jìn)行整合;然后,將重構(gòu)后的數(shù)據(jù)輸入到SVR模型中構(gòu)建基于相空間重構(gòu)和SVR的短時(shí)交通流預(yù)測模型;之后,進(jìn)行模型訓(xùn)練,采用較為普遍的十折交叉驗(yàn)證的方法進(jìn)行參數(shù)尋優(yōu)的工作;最后,應(yīng)用實(shí)測交通流數(shù)據(jù)對(duì)該模型進(jìn)行試驗(yàn),并以此做交通流評(píng)價(jià)指標(biāo)分析,同時(shí)將該模型與神經(jīng)網(wǎng)絡(luò)和常規(guī)SVR模型進(jìn)行結(jié)果對(duì)比分析。經(jīng)過實(shí)驗(yàn)驗(yàn)證,該模型預(yù)測性能更好,更能有效地進(jìn)行短時(shí)交通流預(yù)測。
【圖文】：

采集時(shí)間為２０１６年１０月１１日至２０１６年１０月１５日的６：３０－９：３０。逡逑ＯｐｅｎＩＴＳ合肥示范區(qū)位于安徽省合肥市經(jīng)濟(jì)技術(shù)開發(fā)區(qū)黃山路沿線，潮汐交逡逑通特征明顯。示范區(qū)范圍包括以下６個(gè)路口及其相鄰路段，如圖３－１所示，紅色逡逑方框圈出的路口從左到右、從上及下的名稱分別為：黃山路玉蘭大道口、黃山路逡逑香樟大道口、黃山路天柱路口、黃山路科學(xué)大道口、黃山路天智路口、科學(xué)大道逡逑天湖路口。逡逑匕結(jié)V錁渝蚊我蚵峰義�。装櫸悛—｜辶x希潁頩cU啠卞我鉸訪佩蝦>嘀逡逑？邋Ｓ邋？邋ub命？；！邋土邐路邐＾逡逑Ｉ邐■邋Ｂ邐■■丨邋Ｊ邐—＊邐宋冢Ｓ逡逑＼邋ｎ邐ＷＭ邋■＂逡逑？阻兒水Ｃ邐：／＾：／；，邐－P植浚唬傅赍義下壇牽抗鴰ㄔ板義廈緯繕縝誨義希卞義咸鞛靛翁歟幻髀峰翁祀楨翁烊ゅ義稀峰微峭罰α洗賜丁洞螅沃峰義賢跡常戲適痙肚段у義希疲椋紓酰潁邋澹常卞澹齲澹媯澹殄澹洌澹恚錚睿螅簦潁幔簦椋錚鑠澹幔潁澹徨義賢跡常彩竊諭跡常鋇幕∩�，更加详细地展示了微波检拆x璞副嗪龐肼吠誨義喜嬋詰畝雜叵擔(dān)懷鏨嫌畏種Ф韻掠溫范蔚撓跋歟詒疚氖笛楣討薪τ緬義銜⒉觳饃璞福�、９采集的数据绤菠测微波检拆x璞福端諼恢玫慕煌髁�。辶x希保插義

本文編號(hào)：2595949