基于改進(jìn)的非參數(shù)回歸交通流量預(yù)測(cè)方法.pdf

1、全球各大中城市遇到的交通問題日益嚴(yán)峻，于此同時(shí)，現(xiàn)有的智能交通系統(tǒng)在緩解交通問題中起到日益顯著的作用，智能交通系統(tǒng)受到了廣泛的關(guān)注。其中的交通流量控制與誘導(dǎo)系統(tǒng)直接作用于道路，可以最為直接的緩解交通擁堵問題。要使交通流量控制與誘導(dǎo)系統(tǒng)能夠良好的發(fā)揮作用，精確、實(shí)時(shí)的交通流量預(yù)測(cè)信息至關(guān)重要。由路網(wǎng)與車輛直接組成的交通系統(tǒng)具有極大的非線性、復(fù)雜性和不確定性?，F(xiàn)有的交通流量預(yù)測(cè)方法，不管是在預(yù)測(cè)的實(shí)時(shí)性還是在預(yù)測(cè)的精度上，與實(shí)際需求均存在一

2、些差距，不能滿足現(xiàn)階段智能交通系統(tǒng)的需求。
　　 本文在考察了幾種常用的交通流量預(yù)測(cè)方法后，對(duì)其中的非參數(shù)回歸方法提出了一些改進(jìn)。具體來說，本文主要對(duì)傳統(tǒng)的非參數(shù)回歸預(yù)測(cè)方法提出了兩方面的改進(jìn)：采用貝葉斯網(wǎng)絡(luò)方法對(duì)交通流狀態(tài)進(jìn)行分類，通過分類，降低非參數(shù)回歸方法中尋求近鄰子集所需要的搜索時(shí)間，大大降低了運(yùn)算時(shí)間，提高算法實(shí)時(shí)性；使用貝葉斯網(wǎng)絡(luò)對(duì)交通流狀態(tài)進(jìn)行分類后，對(duì)不同類別交通流狀態(tài)，采用不同的K值進(jìn)行K近鄰非參數(shù)回歸算法進(jìn)行