發(fā)布時間：2023-02-24 10:36

　　隨著經(jīng)濟的飛速發(fā)展,道路交通的擁堵問題也變得越來越嚴峻。城市軌道交通具有運載能力強、正點率高、節(jié)能環(huán)保等優(yōu)點,所以人們選擇城市軌道交通作為首要出行方式,這也直接導致了客流的快速增長�？土黝A測作為智能交通系統(tǒng)中的重要組成部分,在幫助運營部門做好調(diào)度,協(xié)同交通資源和避免乘客大面積的擁堵問題上發(fā)揮了很大的作用,進而成為緩解地鐵線路客流超負荷運行的重要手段。K近鄰算法作為客流預測的方法之一,其方法具有不需要對數(shù)據(jù)進行假定,對異常的數(shù)據(jù)不是很敏感,預測精度較高的優(yōu)點,所以廣泛應(yīng)用到客流預測中。但是傳統(tǒng)的K近鄰算法存在一定的問題:原始歷史數(shù)據(jù)的預處理不足;狀態(tài)向量的選取方式不夠科學;在進行模式匹配時算法查詢速度過慢;并且采用恒定近鄰數(shù)K值,導致預測誤差過大;K近鄰算法沒有誤差反饋,不能對算法進行調(diào)節(jié)。本文對以上陳述的問題進行改進,以北京地鐵客流數(shù)據(jù)為例,客流數(shù)據(jù)從城市軌道交通自動售檢票系統(tǒng)所得。由于城市道路交通與城市軌道交通客流變化的相似性,將城市道路客流預測方法引入到城市軌道交通客流預測中,并對該預測算法進行以下三點的改進。(1)對歷史數(shù)據(jù)的處理進行改進。采用采取閾值法對歷史客流數(shù)據(jù)進行異常值篩...

【文章頁數(shù)】：100 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 引言
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 論文的整體結(jié)構(gòu)
2 客流預測算法綜述
    2.1 參數(shù)回歸算法
        2.1.1 歷史平均算法
        2.1.2 卡爾曼濾波算法
        2.1.3 時間序列算法
    2.2 非參數(shù)回歸算法
        2.2.1 非參數(shù)回歸算法的原理
        2.2.2 非參數(shù)回歸法在客流預測中的優(yōu)勢
        2.2.3 人工神經(jīng)網(wǎng)絡(luò)算法
        2.2.4 K近鄰算法
    2.3 本章小結(jié)
3 K近鄰算法及存在的問題
    3.1 K近鄰算法預測模型的流程
    3.2 歷史客流數(shù)據(jù)處理
        3.2.1 歷史客流數(shù)據(jù)預處理
        3.2.2 狀態(tài)向量的設(shè)計
    3.3 K近鄰算法
        3.3.1 相似距離判斷方法
        3.3.2 客流預測中相似距離判別方法的推導
        3.3.3 預測算法的描述
    3.4 K近鄰算法存在的問題
    3.5 本章小結(jié)
4 K近鄰算法的改進方法
    4.1 歷史客流數(shù)據(jù)處理的改進
        4.1.1 異常數(shù)據(jù)檢測
        4.1.2 修正異常數(shù)據(jù)
        4.1.3 主成分分析法構(gòu)建狀態(tài)向量
    4.2 改進歷史數(shù)據(jù)庫
        4.2.1 采用聚類算法處理歷史數(shù)據(jù)
        4.2.2 歷史數(shù)據(jù)庫的結(jié)構(gòu)改進
    4.3 K近鄰算法改進
        4.3.1 近鄰數(shù)k值選取規(guī)則改進
        4.3.2 新增誤差反饋機制
    4.4 改進K近鄰算法在客流預測中的詳細流程
    4.5 本章小結(jié)
5 改進K近鄰算法實施及結(jié)果分析
    5.1 歷史客流數(shù)據(jù)處理
    5.2 客流數(shù)據(jù)中增加天氣數(shù)據(jù)
    5.3 主成分分析法確定狀態(tài)向量
    5.4 K-means聚類形成聚類中心和近鄰簇實現(xiàn)
    5.5 K-Fold交叉驗證實現(xiàn)
    5.6 改進K近鄰算法模型仿真實例
    5.7 改進K近鄰算法模型的預測結(jié)果分析
    5.8 本章小結(jié)
6 結(jié)論與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
圖索引
表索引
作者簡歷及攻讀碩士學位期間取得的研究成果
學位論文數(shù)據(jù)集



本文編號：3748716