基于非參數(shù)回歸的短時交通流預(yù)測系統(tǒng)設(shè)計.pdf

1、短時交通流預(yù)測系統(tǒng)是智能交通(ITS)系統(tǒng)的關(guān)鍵子系統(tǒng)之一。其預(yù)測性能的好壞、能否滿足實時性要求都直接關(guān)系到交通控制與誘導(dǎo)系統(tǒng)的有效實現(xiàn)。
　　 本文詳細的描述了基于非參數(shù)回歸模型的短時交通流預(yù)測系統(tǒng)的實現(xiàn)過程。首先對系統(tǒng)的功能需求和性能需求進行了詳細的分析,通過需求分析歸納出系統(tǒng)的功能模塊,根據(jù)各個功能模塊間的協(xié)作流程繪制出詳細的數(shù)據(jù)流程,同時本文還詳細介紹了系統(tǒng)架構(gòu)及關(guān)鍵功能模塊的靜態(tài)類圖。
　　 非參數(shù)回歸方法是一

2、種新型的智能方法,能夠很好適應(yīng)短時交通流數(shù)據(jù)的特點從而得到很好的預(yù)測效果,但仍然存在諸多缺點影響其實際應(yīng)用。這些缺點主要表現(xiàn)在:歷史數(shù)據(jù)庫結(jié)構(gòu)不合理,最近鄰查找效率較低,系統(tǒng)沒有反饋回路,預(yù)測算法不夠合理等。本文針對這些缺點,通過對該方法本身進行多方面的改進,使其滿足了實際應(yīng)用的要求,并在文中給出了詳細的應(yīng)用方案。
　　 主要改進包括:1、采用基于KD-Tree的數(shù)據(jù)結(jié)構(gòu)來存儲歷史模式。同時結(jié)合實際應(yīng)用對KD-Tree做了該進,

3、從而提高了搜索效率,大幅度地縮減了數(shù)據(jù)搜索所需時間,提高了預(yù)測系統(tǒng)的實時性。2、替換k最近鄰查找為k相似最近鄰查找。在存在大量歷史模式的情況下,相似最近鄰代替最近鄰對精確度的影響較小,但卻能大大提高相似模式查找的效率,所以基于應(yīng)用的考慮,本系統(tǒng)采用了k相似最近鄰查找。3、為系統(tǒng)增加了基于四級誤差分析的反饋回路,系統(tǒng)會根據(jù)不同的誤差等級采用不同的調(diào)節(jié)方式來進行調(diào)節(jié),從而提高了系統(tǒng)預(yù)測的準(zhǔn)確度。4、系統(tǒng)采用了加權(quán)的預(yù)測算法,從而將不同最近鄰