【摘要】：隨著我國社會(huì)經(jīng)濟(jì)的發(fā)展,人們交通出行的需求不斷上升,機(jī)動(dòng)車數(shù)量與日俱增,傳統(tǒng)的交通技術(shù)和手段已經(jīng)難以解決由此引起的嚴(yán)重交通擁堵問題。智能交通和智慧交通作為一種改善城市交通狀況的有效方式被提出后便受到了廣泛關(guān)注,而交通流的短時(shí)預(yù)測是智能交通和智慧交通實(shí)現(xiàn)的基礎(chǔ)和關(guān)鍵,因此,如何準(zhǔn)確地預(yù)測交通流己經(jīng)成為學(xué)者們研究的熱點(diǎn)。另一方面,伴隨著國家和城市的綜合實(shí)力提升,各大城市以文化交流活動(dòng)、體育賽事等為代表的大型活動(dòng)舉辦的日益頻繁。大型活動(dòng)舉行期間,一般情況下會(huì)在有限的空間內(nèi)迅速聚集大量的人流和車流,從而造成周邊地區(qū)的交通擁擠,為城市管理帶來巨大的挑戰(zhàn)。本文以大型活動(dòng)中的區(qū)域交通流預(yù)測為研究對象,分析持續(xù)型大型活動(dòng)影響下的區(qū)域交通流特性及其影響因素,重點(diǎn)探討有效的大型活動(dòng)中區(qū)域交通流預(yù)測方法。本文的研究目的是為行人出行、交通管理規(guī)劃提供指導(dǎo),促進(jìn)解決持續(xù)型大型活動(dòng)期間的交通擁堵問題。本文的主要研究內(nèi)容如下:1.以大連市燈光音樂噴泉為例,分析持續(xù)型大型活動(dòng)影響下的區(qū)域交通流特性。在對交通流信息進(jìn)行數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、交通流特性分析后,發(fā)現(xiàn)大型活動(dòng)影響下的區(qū)域交通具有突增性、周期性、線性相關(guān)性、隨機(jī)性和強(qiáng)非線性四個(gè)典型特征。突增性表現(xiàn)在活動(dòng)舉辦前后引起的區(qū)域交通流激增;周期性表現(xiàn)在典型的日周期性變化,同時(shí)存在季節(jié)周期變化等;線性相關(guān)性為交通流時(shí)間序列之間存在強(qiáng)的線性相關(guān)性;隨機(jī)性和強(qiáng)非線性是指具體時(shí)刻的交通流同時(shí)體現(xiàn)出較強(qiáng)的隨機(jī)性和非線性。2.本文分別建立了基于ARIMA模型和BP模型的區(qū)域交通流預(yù)測模型�；跁r(shí)間序列的ARIMA在對區(qū)域交通流短時(shí)預(yù)測中具有較好的效果,但ARIMA模型本質(zhì)上是一種線性預(yù)測模型,其對強(qiáng)非線性處理能力較弱,具體表現(xiàn)在峰值處的預(yù)測誤差相對較大。理論上BP模型具有逼近任意非線性的能力,但因其對影響因素眾多的情況容易陷入局部最優(yōu)解,反而造成基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型對大型活動(dòng)下的區(qū)域交通流短時(shí)預(yù)測效果不好。這說明由于實(shí)際交通流的復(fù)雜性,單一的預(yù)測方法難以取得很好的預(yù)測效果。3.提出了一種基于ARIMA和BP神經(jīng)網(wǎng)絡(luò)組合模型的大型活動(dòng)中區(qū)域交通流預(yù)測方法。該方法利用不同情況下的交通流時(shí)間分布統(tǒng)計(jì)模型考慮日周期性和已知因素的影響;然后利用ARIMA模型預(yù)測交通流中的線性成分;再利用BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測交通流中的非線性殘差成分;最后結(jié)合線性成分和非線性成分得到最終的短時(shí)交通流預(yù)測量。預(yù)測結(jié)果對比分析可知:基于ARIMA和BP神經(jīng)網(wǎng)絡(luò)組合模型的預(yù)測準(zhǔn)確性高于各自單獨(dú)使用時(shí)的準(zhǔn)確性。
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U491.14

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;智慧交通讓出行告別擁堵[J];通信世界;2015年32期

2 邱敦國;楊紅雨;;一種基于雙周期時(shí)間序列的短時(shí)交通流預(yù)測算法[J];四川大學(xué)學(xué)報(bào)(工程科學(xué)版);2013年05期

3 郭峰;王斌;劉敏;;基于BP神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測研究[J];價(jià)值工程;2010年35期

4 張勇;關(guān)偉;;交通流時(shí)間序列的多重分形分析[J];計(jì)算機(jī)工程與應(yīng)用;2010年29期

5 承向軍;劉軍;馬敏書;;基于分形理論的短時(shí)交通流預(yù)測算法[J];交通運(yùn)輸系統(tǒng)工程與信息;2010年04期

6 顧晨陽;羅熹;程文龍;;變權(quán)重組合預(yù)測模型在短時(shí)交通流預(yù)測中的應(yīng)用[J];統(tǒng)計(jì)與決策;2010年06期

7 譚滿春;李英俊;徐建閩;;基于小波消噪的ARIMA與SVM組合交通流預(yù)測[J];公路交通科技;2009年07期

8 張朝元;陳麗;;改進(jìn)的LS-SVM算法及在交通流量預(yù)測上的應(yīng)用[J];昆明理工大學(xué)學(xué)報(bào)(理工版);2008年06期

9 陳小鴻;吳嬌蓉;林航飛;;2010上海世博會(huì)管控區(qū)交通管理模式與交通組織方案[J];交通與運(yùn)輸;2008年06期

10 臧利林;賈磊;楊立才;劉濤;;交通流實(shí)時(shí)預(yù)測的混沌時(shí)間序列模型[J];中國公路學(xué)報(bào);2007年06期

本文編號：2722857