【摘要】：交通流量及行程時間短時預(yù)測是智能交通系統(tǒng)實施的基礎(chǔ),準(zhǔn)確有效的交通流量及行程時間短時預(yù)測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,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,由于高速公路短時交通流具有強非線性、不確定性、時變性等特性,所以,如何對高速公路的交通流量及行程時間進行實時準(zhǔn)確地短時預(yù)測是一個既具有挑戰(zhàn)性又具有重要研究意義的問題。本文以高速公路海量收費流水?dāng)?shù)據(jù)為基礎(chǔ),重點研究了高速公路交通流量及行程時間短時預(yù)測問題,主要研究內(nèi)容及創(chuàng)新如下:(1)為了給高速公路交通流量及行程時間短時預(yù)測奠定可靠的數(shù)據(jù)基礎(chǔ),本文對高速公路原始收費流水?dāng)?shù)據(jù)進行了分析總結(jié)并給出了數(shù)據(jù)異常的識別與處理方法。通過分析發(fā)現(xiàn)數(shù)據(jù)存在冗余、缺失以及錯誤等異常情況。對于數(shù)據(jù)冗余情況,采用直接刪除法處理;對于數(shù)據(jù)缺失的情況,根據(jù)數(shù)據(jù)連續(xù)缺失的周期的長短分別采用加權(quán)平均法和K近鄰非參數(shù)回歸算法進行補償;對于數(shù)據(jù)錯誤的情況,根據(jù)是行駛里程數(shù)據(jù)錯誤還是行程時間錯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預(yù)測的精度和穩(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預(yù)測模型。本文首次將梯度提升樹(Gradient Boosting Decision Tree,GBDT)模型應(yīng)用到交通流量短時預(yù)測問題上并通過分析高速公路短時交通流量的影響因素,挖掘出了天氣、時段等幾個有效的新特征,在此基礎(chǔ)上構(gòu)建了基于多特征GBDT的短時交通流量預(yù)測模型。最后通過廣州機場高速的實際數(shù)據(jù)驗證了多特征GBDT模型的有效性。(3)為了提高高速公路行程時間短時預(yù)測的精度和穩(wěn)定性,本文提出了基于TS-SVR的高速公路行程時間短時預(yù)測模型。根據(jù)交通流理論可知行程時間和交通流量具有密切的聯(lián)系,因此,本文將行程時間短時預(yù)測與交通流量短時預(yù)測結(jié)合:首先預(yù)測下一時段的交通流量,然后將下一時段的交通流量作為特征加入到基于支持向量機回歸(Support Vector Regression,SVR)的行程時間短時預(yù)測模型的輸入向量中,以此構(gòu)建了基于TSSVR(Two Step-Support Vector Regression,TS-SVR)的高速公路行程時間短時預(yù)測模型。最后通過廣州機場高速的實際數(shù)據(jù)驗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)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U491
【圖文】：

圖 2-2 廣州機場高速 8 月份 4 個星期流量走勢(2) 隨機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進出口所以人們出行的路線就會大不相同，這就會導(dǎo)致交通需求出現(xiàn)隨機性，從而導(dǎo)致交通出現(xiàn)隨機性。(3) 波動性由于交通臨時管制、交通事故以及惡劣天氣等客觀因素的存在，會使得交通流的定性受到影響，從而出現(xiàn)波動性。

華南理工大學(xué)碩士學(xué)位論文四天不一致是因為 8 月 2 號廣州在臺風(fēng)天氣的影響下，交通流出現(xiàn)了波動。(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。一般來說，通流在白天時會比較稠密，且會出現(xiàn)兩次高峰，到了晚上，交通流就會比較稀疏，交相對白天就會通暢很多。

所以，本章首先對基礎(chǔ)數(shù)據(jù)展開分析，然后對收費數(shù)據(jù)異常情況進行分析并提出異常識別方法，最后說明異常數(shù)據(jù)的處理方法。3.1 基礎(chǔ)數(shù)據(jù)分析目前，我國的高速公路均采用封閉、收費的管理模式，其收費數(shù)據(jù)管理系統(tǒng)主要由收費車道、互聯(lián)網(wǎng)收費系統(tǒng)以及收費站組成[73-74]。收費數(shù)據(jù)管理系統(tǒng)會根據(jù)不同車輛的行程時間、行駛里程以及其車型等信息進行行車收費，所以高速公路收費數(shù)據(jù)管理系統(tǒng)會在短時間內(nèi)積累大量的收費數(shù)據(jù)。因此，高速公路收費數(shù)據(jù)采集系統(tǒng)也是一個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流水?dāng)?shù)據(jù)，收費數(shù)據(jù)涵蓋了入口區(qū)域編碼、入口站名、入口時間、入口車道類型、車型、車種、出口區(qū)域編碼、出口站名、出口時間、出口車道類型等與收費相關(guān)的數(shù)據(jù)。收費流水?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流水?dāng)?shù)據(jù)如圖 3-1 所示：

【參考文獻】

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的短時交通流預(yù)測[J];武漢理工大學(xué)學(xué)報(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)的改進及在交通預(yù)測中的應(yīng)用[J];山東大學(xué)學(xué)報(工學(xué)版);2013年01期

3 王樹洋;黃天民;方新;;基于PSO-SVM的交通流量短時預(yù)測[J];重慶交通大學(xué)學(xué)報(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的行程時間可靠性研究[J];武漢理工大學(xué)學(xué)報(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];中國水運(下半月刊);2010年12期

6 張濤;陳先;謝美萍;張sソ

本文編號：2773497