城市道路短時(shí)行程時(shí)間預(yù)測算法研究.pdf

1、隨著城市經(jīng)濟(jì)的飛速發(fā)展和車輛的不斷增長，路網(wǎng)交通遇到越來越多的問題，如交通擁堵，空氣污染等。交通問題已成為各大城市急需解決的問題。智能交通系統(tǒng)(Intelligent Transportation System，ITS)是解決交通問題的有效途徑。交通誘導(dǎo)系統(tǒng)作為智能交通系統(tǒng)的重要組成部分，為改善道路擁堵、減少事故、降低空氣污染起了很大的作用。車輛路段行程時(shí)間是交通誘導(dǎo)中的重要參數(shù)之一。它能反映出城市道路交通狀況。因此，城市道路路段行程時(shí)

2、間預(yù)測研究有著重大的意義。
　　本文研究城市路網(wǎng)中短時(shí)行程時(shí)間預(yù)測問題。主要工作包括:
　　針對(duì)城市路網(wǎng)的特點(diǎn)，闡述了行程時(shí)間預(yù)測技術(shù)的意義?；诮煌ㄌ匦裕治隽爽F(xiàn)有車輛行程時(shí)間預(yù)測技術(shù)的原理和特點(diǎn)。
　　提出一種基于極限學(xué)習(xí)機(jī)(ELM)的短時(shí)行程時(shí)間預(yù)測算法。針對(duì)交通參數(shù)的非線性和時(shí)變性等特點(diǎn)，結(jié)合極限學(xué)習(xí)機(jī)自學(xué)習(xí)、速度快的良好特性，選擇極限學(xué)習(xí)機(jī)作為行程時(shí)間預(yù)測算法。使用REGIOLAB-DELFT平臺(tái)中的真實(shí)交通

3、數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)。將ELM與支持向量回歸算法(SVR)和BP神經(jīng)網(wǎng)絡(luò)(BPNN)進(jìn)行比較，實(shí)驗(yàn)證明，在樣本充足和數(shù)據(jù)較波動(dòng)下兩種情形的ELM行程時(shí)間預(yù)測算法表現(xiàn)了較高的準(zhǔn)確性與適用性。
　　提出一種基于Bagging和ELM算法集成的路段行程時(shí)間預(yù)測算法(BG-ELM)。通過分析ELM算法的實(shí)驗(yàn)結(jié)果，發(fā)現(xiàn)在高峰期時(shí)段數(shù)據(jù)具有較高波動(dòng)時(shí)，ELM預(yù)測的誤差較大。因此，為了提高ELM的泛化能力，引入Bagging算法訓(xùn)練多個(gè)ELM學(xué)習(xí)機(jī)