版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、我國各大城市的交通擁堵現(xiàn)象日益嚴重,不僅影響了城市生活的效率和質量,而且?guī)砹谁h(huán)境污染、能源緊張等一系列經(jīng)濟社會問題。智能交通系統(tǒng)被認為是解決城市交通擁堵的有效途徑,作為交通誘導核心環(huán)節(jié)的道路短期交通流預測技術領域的研究還處于探索階段,其已經(jīng)成為智能交通系統(tǒng)實施的瓶頸。
由于道路交通流具有很強的時變特性,因而,傳統(tǒng)的預測方法很難對其進行準確的預測。支持向量機(SupportVectorMachine,SVM)模型作為一種新
2、興的機器學習方法,具有很強的數(shù)據(jù)挖掘能力和捕捉數(shù)據(jù)時變特性的能力,同時其泛化能力較之神經(jīng)網(wǎng)絡也有明顯改善,更適用于對非線性序列進行預測。因此,本文基于SVM模型進行道路短期交通流預測研究。
由于道路交通流會同時受到時間、空間多維度的參數(shù)作用,是一個非線性的復雜系統(tǒng),本文首先分析道路交通流的時空特性,發(fā)現(xiàn)時間維度上目標路段先前流量參數(shù)和空間維度上目標路段上、下游路段的交通狀況參數(shù)都會影響目標路段的交通流狀態(tài)。因此,對時、空維
3、度的參數(shù)進行組合,可以得到四組不同維度的參數(shù)組合,分別將其作為SVM的輸入數(shù)據(jù),建立四種不同維度的SVM道路短期交通流單步預測模型。然后,拓展單步預測模型,構建基于多維時空參數(shù)的道路短期交通流多步預測模型。最后,以貴陽市中心城區(qū)浮動車GPS數(shù)據(jù)為例進行實證分析。實驗結果表明,在本文構建的四種單步預測模型中,基于目標路段先前流量及下游路段交通狀況的SVM單步預測模型預測精度最高,且該模型以及本文提出的基于多維時空參數(shù)的SVM道路短期交通流
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于灰色預測模型的短期交通流預測研究.pdf
- 基于時空特性的城市道路短時交通流預測研究.pdf
- 基于LSSVM的短期交通流預測研究與應用.pdf
- 空中交通流量短期預測模型研究.pdf
- 交通流時空關聯(lián)挖掘及預測.pdf
- 基于時空相關分析的短時交通流量預測方法研究.pdf
- 基于時空關聯(lián)的城市快速路短時交通流預測方法研究.pdf
- 融合時空信息的短時交通流預測.pdf
- 基于車牌識別數(shù)據(jù)的交通流參數(shù)短時預測.pdf
- 基于非參數(shù)回歸的短時交通流量預測.pdf
- 短期交通流實時預測及交通事件檢測算法研究.pdf
- 基于組合預測模型的交通流預測研究.pdf
- 基于改進的非參數(shù)回歸交通流量預測方法.pdf
- 城市道路短時交通流預測.pdf
- 城市道路交通流預測方法的研究.pdf
- 基于視頻分析的城市道路短時交通流預測.pdf
- 基于非參數(shù)回歸的短時交通流量預測方法研究.pdf
- 基于非參數(shù)回歸的短時交通流預測分析與研究.pdf
- 基于短時交通流預測的交通控制算法研究.pdf
- 神經(jīng)網(wǎng)絡在短期交通流預測中的應用研究.pdf
評論
0/150
提交評論