【摘要】：交通流量及行程時(shí)間短時(shí)預(yù)測(cè)是智能交通系統(tǒng)實(shí)施的基礎(chǔ),準(zhǔn)確有效的交通流量及行程時(shí)間短時(shí)預(yù)測(cè)不僅可以讓出行者提前了解路況信息,安排好出行線路,節(jié)約出行成本,也可以幫助相關(guān)交通管理部門提前了解交通變化趨勢(shì),做好誘導(dǎo)工作,充分利用好現(xiàn)有道路資源,減少交通擁堵現(xiàn)象。此外,由于高速公路短時(shí)交通流具有強(qiáng)非線性、不確定性、時(shí)變性等特性,所以,如何對(duì)高速公路的交通流量及行程時(shí)間進(jìn)行實(shí)時(shí)準(zhǔn)確地短時(shí)預(yù)測(cè)是一個(gè)既具有挑戰(zhàn)性又具有重要研究意義的問(wèn)題。本文以高速公路海量收費(fèi)流水?dāng)?shù)據(jù)為基礎(chǔ),重點(diǎn)研究了高速公路交通流量及行程時(shí)間短時(shí)預(yù)測(cè)問(wèn)題,主要研究?jī)?nèi)容及創(chuàng)新如下:(1)為了給高速公路交通流量及行程時(shí)間短時(shí)預(yù)測(cè)奠定可靠的數(shù)據(jù)基礎(chǔ),本文對(duì)高速公路原始收費(fèi)流水?dāng)?shù)據(jù)進(jìn)行了分析總結(jié)并給出了數(shù)據(jù)異常的識(shí)別與處理方法。通過(guò)分析發(fā)現(xiàn)數(shù)據(jù)存在冗余、缺失以及錯(cuò)誤等異常情況。對(duì)于數(shù)據(jù)冗余情況,采用直接刪除法處理;對(duì)于數(shù)據(jù)缺失的情況,根據(jù)數(shù)據(jù)連續(xù)缺失的周期的長(zhǎng)短分別采用加權(quán)平均法和K近鄰非參數(shù)回歸算法進(jìn)行補(bǔ)償;對(duì)于數(shù)據(jù)錯(cuò)誤的情況,根據(jù)是行駛里程數(shù)據(jù)錯(cuò)誤還是行程時(shí)間錯(cuò)誤分別采用路段信息修復(fù)法和循環(huán)刪除不在區(qū)間[?-2?,?(10)2?]內(nèi)的數(shù)據(jù)的方法進(jìn)行處理,其中?為樣本均值,?為標(biāo)準(zhǔn)差。(2)為了提高高速公路交通流量短時(shí)預(yù)測(cè)的精度和穩(wěn)定性,本文提出了基于多特征GBDT的高速公路交通流量短時(shí)預(yù)測(cè)模型。本文首次將梯度提升樹(Gradient Boosting Decision Tree,GBDT)模型應(yīng)用到交通流量短時(shí)預(yù)測(cè)問(wèn)題上并通過(guò)分析高速公路短時(shí)交通流量的影響因素,挖掘出了天氣、時(shí)段等幾個(gè)有效的新特征,在此基礎(chǔ)上構(gòu)建了基于多特征GBDT的短時(shí)交通流量預(yù)測(cè)模型。最后通過(guò)廣州機(jī)場(chǎng)高速的實(shí)際數(shù)據(jù)驗(yàn)證了多特征GBDT模型的有效性。(3)為了提高高速公路行程時(shí)間短時(shí)預(yù)測(cè)的精度和穩(wěn)定性,本文提出了基于TS-SVR的高速公路行程時(shí)間短時(shí)預(yù)測(cè)模型。根據(jù)交通流理論可知行程時(shí)間和交通流量具有密切的聯(lián)系,因此,本文將行程時(shí)間短時(shí)預(yù)測(cè)與交通流量短時(shí)預(yù)測(cè)結(jié)合:首先預(yù)測(cè)下一時(shí)段的交通流量,然后將下一時(shí)段的交通流量作為特征加入到基于支持向量機(jī)回歸(Support Vector Regression,SVR)的行程時(shí)間短時(shí)預(yù)測(cè)模型的輸入向量中,以此構(gòu)建了基于TSSVR(Two Step-Support Vector Regression,TS-SVR)的高速公路行程時(shí)間短時(shí)預(yù)測(cè)模型。最后通過(guò)廣州機(jī)場(chǎng)高速的實(shí)際數(shù)據(jù)驗(yàn)證了本文提出的模型的有效性。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：U491
【圖文】：

圖 2-2 廣州機(jī)場(chǎng)高速 8 月份 4 個(gè)星期流量走勢(shì)(2) 隨機(jī)性由于人們的駕駛偏好的不同、出行的目的不同以及每條高速公路都有多個(gè)進(jìn)出口所以人們出行的路線就會(huì)大不相同，這就會(huì)導(dǎo)致交通需求出現(xiàn)隨機(jī)性，從而導(dǎo)致交通出現(xiàn)隨機(jī)性。(3) 波動(dòng)性由于交通臨時(shí)管制、交通事故以及惡劣天氣等客觀因素的存在，會(huì)使得交通流的定性受到影響，從而出現(xiàn)波動(dòng)性。

華南理工大學(xué)碩士學(xué)位論文四天不一致是因?yàn)?8 月 2 號(hào)廣州在臺(tái)風(fēng)天氣的影響下，交通流出現(xiàn)了波動(dòng)。(4) 連續(xù)性從宏觀上看，高速公路的交通流具有流體的特性。如圖 2-3 所示，可以看出高速路的交通流量明顯的呈連續(xù)狀態(tài)，即在時(shí)間上是連續(xù)的。(5) 不均勻性由于受人們生活習(xí)慣等因素的影響，使得交通流存在不均勻的現(xiàn)象。一般來(lái)說(shuō)，通流在白天時(shí)會(huì)比較稠密，且會(huì)出現(xiàn)兩次高峰，到了晚上，交通流就會(huì)比較稀疏，交相對(duì)白天就會(huì)通暢很多。

所以，本章首先對(duì)基礎(chǔ)數(shù)據(jù)展開分析，然后對(duì)收費(fèi)數(shù)據(jù)異常情況進(jìn)行分析并提出異常識(shí)別方法，最后說(shuō)明異常數(shù)據(jù)的處理方法。3.1 基礎(chǔ)數(shù)據(jù)分析目前，我國(guó)的高速公路均采用封閉、收費(fèi)的管理模式，其收費(fèi)數(shù)據(jù)管理系統(tǒng)主要由收費(fèi)車道、互聯(lián)網(wǎng)收費(fèi)系統(tǒng)以及收費(fèi)站組成[73-74]。收費(fèi)數(shù)據(jù)管理系統(tǒng)會(huì)根據(jù)不同車輛的行程時(shí)間、行駛里程以及其車型等信息進(jìn)行行車收費(fèi)，所以高速公路收費(fèi)數(shù)據(jù)管理系統(tǒng)會(huì)在短時(shí)間內(nèi)積累大量的收費(fèi)數(shù)據(jù)。因此，高速公路收費(fèi)數(shù)據(jù)采集系統(tǒng)也是一個(gè)資源豐富的交通信息采集系統(tǒng)。本論文研究的數(shù)據(jù)是廣東省高速公路收費(fèi)流水?dāng)?shù)據(jù)，收費(fèi)數(shù)據(jù)涵蓋了入口區(qū)域編碼、入口站名、入口時(shí)間、入口車道類型、車型、車種、出口區(qū)域編碼、出口站名、出口時(shí)間、出口車道類型等與收費(fèi)相關(guān)的數(shù)據(jù)。收費(fèi)流水?dāng)?shù)據(jù)的原始字段信息如下表 3-1 所示。廣東省高速公路部分收費(fèi)流水?dāng)?shù)據(jù)如圖 3-1 所示：

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王珂;田瑞;王菲菲;;基于灰色遺傳支持向量機(jī)的短時(shí)交通流預(yù)測(cè)[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2014年05期

2 伊良忠;章超;裴崢;;廣義回歸神經(jīng)網(wǎng)絡(luò)的改進(jìn)及在交通預(yù)測(cè)中的應(yīng)用[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2013年01期

3 王樹洋;黃天民;方新;;基于PSO-SVM的交通流量短時(shí)預(yù)測(cè)[J];重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年04期

4 張雄飛;李瑞敏;李宏發(fā);史其信;;基于Monte Carlo的行程時(shí)間可靠性研究[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2012年04期

5 高敏;;交通流基本參數(shù)關(guān)系模型研究[J];中國(guó)水運(yùn)(下半月刊);2010年12期

6 張濤;陳先;謝美萍;張sソ

本文編號(hào)：2773497