基于數(shù)據(jù)挖掘和數(shù)據(jù)融合的短時(shí)交通流預(yù)測(cè)研究.pdf

1、實(shí)時(shí)、準(zhǔn)確的短時(shí)交通流預(yù)測(cè)是智能交通控制與管理的基礎(chǔ)?；趩我粫r(shí)間維度時(shí)間序列的預(yù)測(cè)方法難以解決短時(shí)交通流高度復(fù)雜性、隨機(jī)性和不確定性的問(wèn)題，預(yù)測(cè)效果并不令人滿意。交通流的狀態(tài)轉(zhuǎn)換不僅僅是時(shí)間維度時(shí)間序列的一維性，空間分布狀態(tài)的變化對(duì)交通流也起了相當(dāng)大的影響。因而，更為精確的短時(shí)交通流預(yù)測(cè)，需要采用空間維度的預(yù)測(cè)值對(duì)時(shí)間維度時(shí)間序列的預(yù)測(cè)結(jié)果進(jìn)行修正。
　　 本文從短時(shí)交通流特性出發(fā)，針對(duì)實(shí)際交通流具有時(shí)間維度時(shí)間序列性和空間維

2、度空間相關(guān)性，提出了基于時(shí)空二維融合的短時(shí)交通流預(yù)測(cè)方法。在時(shí)間維度上短時(shí)交通流表現(xiàn)出強(qiáng)烈的非線性、時(shí)變性和不確定性，普通的預(yù)測(cè)方法很難達(dá)到預(yù)測(cè)精度的要求，因此，本文提出將交通流數(shù)據(jù)利用小波變換先進(jìn)行“頻率”分解和單支重構(gòu)，得到相應(yīng)的高頻分量和低頻分量，得到的分量相對(duì)成分簡(jiǎn)單、信號(hào)變化較為平穩(wěn)。對(duì)各分量采用不同的預(yù)測(cè)方法進(jìn)行預(yù)測(cè)，由高頻分量有較強(qiáng)的非線性而B(niǎo)P神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性逼近能力，故用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)高頻分量；低頻分量呈現(xiàn)較

3、有規(guī)律的函數(shù)曲線，故用二次指數(shù)平滑預(yù)測(cè)。將各分量預(yù)測(cè)結(jié)果矢量相加求和，即可得到綜合預(yù)測(cè)結(jié)果。在空間維度上，交通流瞬時(shí)狀態(tài)下的空間分布具有相關(guān)性，同向交通流的瞬時(shí)輸出和其空間相關(guān)路段的交通流量相關(guān)，針對(duì)這種不確定的非線性關(guān)系，本文用RBF神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行空間維度的短時(shí)交通流預(yù)測(cè)。最后，利用信息融合技術(shù)能合理協(xié)調(diào)多源數(shù)據(jù)，充分綜合有用信息，在較短的時(shí)間內(nèi)、以較小的代價(jià)、得到使用單個(gè)傳感器所不能得到的數(shù)據(jù)特征的優(yōu)點(diǎn)，將基于時(shí)間維度時(shí)間序列的預(yù)測(cè)