智能交通系統(tǒng)(Intelligent Transportation Systems)作為當(dāng)前解決交通相關(guān)問(wèn)題、提升用戶體驗(yàn)的相關(guān)領(lǐng)域,已經(jīng)吸引了越來(lái)越多的關(guān)注。其通過(guò)預(yù)測(cè)未來(lái)交通狀況的變化,針對(duì)可能出現(xiàn)的交通問(wèn)題提出適當(dāng)?shù)慕鉀Q方案和預(yù)防措施,以提高用戶的安全系數(shù)和舒適度。其中,交通流作為分析交通狀況的核心參數(shù),更是研究工作中的重中之重�？v觀近三十年來(lái)的相關(guān)研究工作,通過(guò)應(yīng)用智能算法縮短對(duì)交通流變化的反應(yīng)時(shí)間以及提升對(duì)變化量的預(yù)測(cè)精度,能極大地促進(jìn)交通系統(tǒng)的智能化發(fā)展。但由于實(shí)際中交通流的變化受到大量因素的影響,如天氣情況、空氣質(zhì)量,甚至出行用戶心情等因素,導(dǎo)致短時(shí)期內(nèi)的交通流呈現(xiàn)極強(qiáng)的隨機(jī)變化特性,限制了當(dāng)前短期交通流預(yù)測(cè)模型的精準(zhǔn)度。若能通過(guò)研究交通流數(shù)據(jù)的變化特性,對(duì)預(yù)測(cè)模型做出適應(yīng)性地調(diào)整,將有助于提高現(xiàn)有模型的預(yù)測(cè)精度,降低交通狀況變化給模型帶來(lái)的負(fù)面影響。因此,本文研究工作主要包括以下兩個(gè)方面:首先,本文通過(guò)數(shù)據(jù)預(yù)處理工作調(diào)整預(yù)測(cè)模型的輸入信息,以提高交通流短期預(yù)測(cè)模型的精度。短期交通流預(yù)測(cè)是基于交通流的歷史數(shù)據(jù)變化特征,預(yù)測(cè)當(dāng)前或者未來(lái)某一時(shí)段內(nèi)的交通流量,以協(xié)作智能交通系...

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 研究背景與意義
    1.2 短期交通流預(yù)測(cè)國(guó)內(nèi)外研究狀況
    1.3 研究?jī)?nèi)容
    1.4 論文章節(jié)安排
第二章 短期交通流預(yù)測(cè)理論
    2.1 時(shí)間序列
    2.2 時(shí)間序列與隨機(jī)過(guò)程的關(guān)系
    2.3 短期交通流預(yù)測(cè)模型
        2.3.1 季節(jié)性差分自回歸模型
        2.3.2 支持向量回歸機(jī)
        2.3.3 人工神經(jīng)網(wǎng)絡(luò)
    2.4 預(yù)測(cè)模式
    2.5 樣本數(shù)據(jù)介紹與分析
    2.6 短期交通流預(yù)測(cè)性能評(píng)價(jià)指標(biāo)
    2.7 本章小結(jié)
第三章 基于交通流平穩(wěn)特性與自相關(guān)特性的數(shù)據(jù)預(yù)處理架構(gòu)
    3.1 交通流平穩(wěn)特性與自相關(guān)特性分析
        3.1.1 交通流平穩(wěn)特性
        3.1.2 交通流自相關(guān)特性
    3.2 基于交通流平穩(wěn)特性拆分交通流成分
    3.3 基于交通流自相關(guān)特性的非相關(guān)時(shí)間滯后變量濾除方法
    3.4 本章小結(jié)
第四章 基于貝葉斯決策定理的混合預(yù)測(cè)模型
    4.1 混合模型
    4.2 貝葉斯決策定理
    4.3 貝葉斯混合算法
    4.4 本章小結(jié)
第五章 仿真結(jié)果與數(shù)值分析
    5.1 仿真預(yù)備工作
    5.2 SARIMA改進(jìn)模型性能分析
    5.3 SVR和ANN的改進(jìn)模型性能分析
    5.4 仿真結(jié)果討論
第六章 總結(jié)與展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介



本文編號(hào)：3915451