本文關(guān)鍵詞：數(shù)據(jù)挖掘技術(shù)在智慧交通中的應(yīng)用

  更多相關(guān)文章： 智能交通 短時(shí)交通流預(yù)測(cè) 智能公交 神經(jīng)網(wǎng)絡(luò)

【摘要】：近年來(lái),隨著我國(guó)城市化進(jìn)程的不斷加快以及社會(huì)經(jīng)濟(jì)的快速發(fā)展,私家車數(shù)量明顯上升,交通壓力空前加大。頻繁發(fā)生的交通事故不僅使得人們的生命財(cái)產(chǎn)受到威脅,嚴(yán)重?fù)矶碌慕煌ǜ墙o人們的出行帶來(lái)不便。傳統(tǒng)的道路拓寬,交通管制等措施,具有較大局限,明顯滿足不了當(dāng)前交通需求。當(dāng)前,我國(guó)大力發(fā)展智慧城市建設(shè),而智能交通是其重要組成部分。交通領(lǐng)域數(shù)據(jù)具有量大,維度高,類型復(fù)雜等特征,基于數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)有效地交通流量預(yù)測(cè)對(duì)于緩解交通堵塞,實(shí)現(xiàn)信息惠民是有重要的研究?jī)r(jià)值和現(xiàn)實(shí)意義。城市短時(shí)交通流的科學(xué)預(yù)測(cè)是智能交通系統(tǒng)實(shí)施的重要環(huán)節(jié)。由于交通系統(tǒng)是一個(gè)多人參與,根據(jù)時(shí)間地點(diǎn)等因素時(shí)刻發(fā)生變化的系統(tǒng),顯著特點(diǎn)是具有高度的不確定性和非線性,這些特點(diǎn)給交通流預(yù)測(cè)帶來(lái)很大的困難。隨著預(yù)測(cè)間隔時(shí)間的增加,不可預(yù)期的突發(fā)偶然事件發(fā)生的概率更大,因此短時(shí)交通流預(yù)測(cè)相比長(zhǎng)期預(yù)測(cè)實(shí)際意義更大,因而成為近年來(lái)的研究的熱點(diǎn)。本文首先針對(duì)城市交通流特性進(jìn)行了分析,明確了準(zhǔn)確描述城市交通流特性的必要性,闡述了智能交通領(lǐng)域的相關(guān)技術(shù),結(jié)合路網(wǎng)實(shí)際數(shù)據(jù),重點(diǎn)分析了基于公交流實(shí)現(xiàn)流量預(yù)測(cè)的實(shí)際需求和限制條件。同時(shí),針對(duì)不同路段流量的相關(guān)性做了重點(diǎn)分析,對(duì)流量預(yù)測(cè)理論應(yīng)用的實(shí)際可行性做了初步驗(yàn)證。在城市短時(shí)交通流BP人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法與公交流概念的基礎(chǔ)上,通過(guò)實(shí)際數(shù)據(jù)的采集分析,發(fā)現(xiàn)上一相鄰路段T時(shí)刻公交流運(yùn)行速度與本路段T+10min時(shí)刻的路段流量具有較好相關(guān)性,同時(shí)由于大中城市基本形成了公交路網(wǎng)的主動(dòng)脈格局以及運(yùn)用現(xiàn)代智能公交系統(tǒng)可為公交流運(yùn)行狀態(tài)信息數(shù)據(jù)源進(jìn)行實(shí)時(shí)準(zhǔn)確的采集,進(jìn)而為基于公交流運(yùn)行狀態(tài)的城市短時(shí)交通流BP人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法提供了基礎(chǔ)。在此基礎(chǔ)上,論文提出了基于公交流運(yùn)行狀態(tài)的城市短時(shí)交通流BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法,對(duì)相關(guān)網(wǎng)絡(luò)模型、參數(shù)配置、預(yù)測(cè)流程等做了詳細(xì)設(shè)計(jì)。結(jié)合上海市浦東新區(qū)張楊路棗莊路等實(shí)際數(shù)據(jù),建立了基于公交流運(yùn)行狀態(tài)的短時(shí)交通流BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,并與城市短時(shí)交通流常規(guī)預(yù)測(cè)模型進(jìn)行對(duì)比測(cè)試。測(cè)試結(jié)果表明新的預(yù)測(cè)方法獲得的預(yù)測(cè)值更接近于實(shí)際值,預(yù)測(cè)效果更佳。因此,本文方法具有較好的技術(shù)實(shí)用性,其應(yīng)用推廣價(jià)值較高。
【關(guān)鍵詞】：智能交通 短時(shí)交通流預(yù)測(cè) 智能公交 神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U495;TP311.13
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 緒論11-16
• 1.1 研究背景11-12
• 1.2 研究目的及意義12
• 1.3 國(guó)內(nèi)外研究現(xiàn)狀12-14
• 1.4 主要研究?jī)?nèi)容14
• 1.5 論文組織結(jié)構(gòu)14-16
• 第二章 相關(guān)理論基礎(chǔ)16-29
• 2.1 智慧交通及相關(guān)理論16-20
• 2.1.1 智慧城市與智慧交通16-17
• 2.1.2 智慧交通相關(guān)技術(shù)17-20
• 2.1.2.1 GPS定位技術(shù)18-19
• 2.1.2.2 無(wú)線通信技術(shù)19
• 2.1.2.3 GIS-PT公交地理信息技術(shù)19-20
• 2.2 常用的數(shù)據(jù)挖掘及其相關(guān)技術(shù)20-26
• 2.2.1 傳統(tǒng)統(tǒng)計(jì)分析20-21
• 2.2.1.1 大數(shù)據(jù)分析21
• 2.2.1.2 最短路徑算法21
• 2.2.1.3 軌跡數(shù)據(jù)挖掘21
• 2.2.2 BP神經(jīng)網(wǎng)絡(luò)模型理論21-26
• 2.2.2.1 人工神經(jīng)網(wǎng)絡(luò)的基本理論22
• 2.2.2.2 神經(jīng)元模型22-23
• 2.2.2.3 人工神經(jīng)元的傳遞函數(shù)23-25
• 2.2.2.4 BP人工神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)25-26
• 2.3 現(xiàn)有交通流預(yù)測(cè)方法26-28
• 2.3.1 基于線性系統(tǒng)理論預(yù)測(cè)方法26-27
• 2.3.2 基于知識(shí)發(fā)現(xiàn)的智能模型預(yù)測(cè)方法27-28
• 2.4 本章小結(jié)28-29
• 第三章 公交流運(yùn)行狀態(tài)的預(yù)測(cè)需求分析29-38
• 3.1 總體分析29
• 3.2 交通流特征分析29-31
• 3.3 城市交通流預(yù)測(cè)的限制和要求31-32
• 3.4 公交流預(yù)測(cè)的可行性驗(yàn)證32-37
• 3.4.1 不同路段交通流相關(guān)性分析32
• 3.4.2 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的可行性分析32-36
• 3.4.3 公交流和交通流預(yù)測(cè)方法的異同36-37
• 3.5 本章小結(jié)37-38
• 第四章 基于公交流運(yùn)行狀態(tài)神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法38-47
• 4.1 信息采集方法38-40
• 4.1.1 公交流及運(yùn)行區(qū)域確定38-39
• 4.1.2 信息采集內(nèi)容39-40
• 4.2 基于BP網(wǎng)絡(luò)模型設(shè)計(jì)40-45
• 4.2.1 模型建立及參數(shù)設(shè)置41-42
• 4.2.2 算法設(shè)計(jì)42-43
• 4.2.3 數(shù)據(jù)歸一化43-44
• 4.2.4 參數(shù)分析44
• 4.2.4.1 網(wǎng)絡(luò)層數(shù)44
• 4.2.4.2 隱含層節(jié)點(diǎn)數(shù)44
• 4.2.4.3 初始權(quán)值和閥值44
• 4.2.5 學(xué)習(xí)速率44-45
• 4.2.6 訓(xùn)練與測(cè)試45
• 4.3 預(yù)測(cè)流程設(shè)計(jì)45-46
• 4.4 本章小結(jié)46-47
• 第五章 應(yīng)用案例實(shí)驗(yàn)結(jié)果與分析47-71
• 5.1 應(yīng)用案例概況47
• 5.2 案例數(shù)據(jù)準(zhǔn)備47-55
• 5.3 模型建立及參數(shù)設(shè)置55-64
• 5.3.1 模型預(yù)測(cè)的具體算法55-56
• 5.3.2 數(shù)據(jù)歸一化56-60
• 5.3.3 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)60-62
• 5.3.3.1 神經(jīng)元轉(zhuǎn)移函數(shù)的設(shè)計(jì)60-61
• 5.3.3.2 輸入層和輸出層的設(shè)計(jì)61
• 5.3.3.3 隱含層的設(shè)計(jì)61-62
• 5.3.4 權(quán)值和閥值初始化62
• 5.3.5 網(wǎng)絡(luò)模型訓(xùn)練62
• 5.3.6 網(wǎng)絡(luò)模型的確定62-63
• 5.3.7 網(wǎng)絡(luò)模型測(cè)試63-64
• 5.4 預(yù)測(cè)結(jié)果及分析64-70
• 5.4.1 分析指標(biāo)64
• 5.4.2 評(píng)價(jià)結(jié)果分析64-70
• 5.5 本章小結(jié)70-71
• 第六章 總結(jié)與展望71-73
• 6.1 主要結(jié)論71-72
• 6.2 研究展望72-73
• 致謝73-74
• 參考文獻(xiàn)74-77

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 唐明,陳寶星,柳伍生;基于相空間重構(gòu)的短時(shí)交通流分形研究[J];山東交通學(xué)院學(xué)報(bào);2004年01期

2 華冬冬,陳森發(fā);非線性短時(shí)交通流的一種神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法[J];現(xiàn)代交通技術(shù);2004年01期

3 田晶;楊玉珍;陳陽(yáng)舟;;短時(shí)交通流量?jī)煞N預(yù)測(cè)方法的研究[J];公路交通科技;2006年04期

4 蔣海峰;馬瑞軍;魏學(xué)業(yè);溫偉剛;;一種基于小數(shù)據(jù)量的快速識(shí)別短時(shí)交通流混沌特性的方法[J];鐵道學(xué)報(bào);2006年02期

5 蔣海峰;王鼎媛;張仲義;;短時(shí)交通流的非線性動(dòng)力學(xué)特性[J];中國(guó)公路學(xué)報(bào);2008年03期

6 李松;劉力軍;郭海玲;;短時(shí)交通流混沌預(yù)測(cè)方法的比較[J];系統(tǒng)工程;2009年09期

7 許倫輝;唐德華;鄒娜;夏新海;;基于非線性時(shí)間序列分析的短時(shí)交通流特性分析[J];重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

8 李雁;陸海亭;張寧;;一種短時(shí)交通流異常數(shù)據(jù)識(shí)別新算法[J];公路交通科技(應(yīng)用技術(shù)版);2010年04期

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

10 張立;謝忠玉;陳凱;;基于混沌理論的短時(shí)交通流局域預(yù)測(cè)模型[J];黑龍江工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2011年02期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前2條

1 翁小雄;翦俊;;短時(shí)交通流頻譜分析與預(yù)測(cè)[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

2 張利;李星毅;施化吉;;一種基于ARIMA模型的短時(shí)交通流量改進(jìn)預(yù)測(cè)算法[A];2007第三屆中國(guó)智能交通年會(huì)論文集[C];2007年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 本報(bào)記者 李嬋;交通擁堵為何預(yù)測(cè)不準(zhǔn)[N];北京科技報(bào);2010年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 郭歡;基于灰理論的短時(shí)交通流動(dòng)力學(xué)建模預(yù)測(cè)與優(yōu)化研究[D];武漢理工大學(xué);2013年

2 張曉利;基于非參數(shù)回歸的短時(shí)交通流量預(yù)測(cè)方法研究[D];天津大學(xué);2007年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 喻丹;基于小波理論的短時(shí)交通流預(yù)測(cè)方法研究[D];長(zhǎng)沙理工大學(xué);2008年

2 謝生龍;城市道路短時(shí)交通流動(dòng)態(tài)預(yù)測(cè)方法研究與應(yīng)用[D];長(zhǎng)安大學(xué);2015年

3 胡浩然;基于Hadoop平臺(tái)的短時(shí)交通流預(yù)測(cè)算法研究[D];華南理工大學(xué);2016年

4 符義琴;短時(shí)交通流分析及預(yù)測(cè)[D];南京信息工程大學(xué);2016年

5 陳功;數(shù)據(jù)挖掘技術(shù)在智慧交通中的應(yīng)用[D];電子科技大學(xué);2016年

6 卓卉;基于混沌理論的短時(shí)交通流預(yù)測(cè)方法研究[D];北京交通大學(xué);2008年

7 唐明;短時(shí)交通流特性及其預(yù)測(cè)方法的研究[D];長(zhǎng)沙理工大學(xué);2004年

8 華冬冬;短時(shí)交通流的混沌性分析及其基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型研究[D];東南大學(xué);2005年

9 王小英;道路網(wǎng)短時(shí)交通流分析與預(yù)測(cè)[D];武漢理工大學(xué);2010年

10 劉錦娣;城市短時(shí)交通流預(yù)測(cè)模型研究[D];石家莊鐵道大學(xué);2012年

，

本文編號(hào)：993253