資源描述：
《基于非參數(shù)回歸的路網(wǎng)短時交通狀態(tài)預(yù)測》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、北京交通大學(xué)碩士學(xué)位論文基于非參數(shù)回歸的路網(wǎng)短時交通狀態(tài)預(yù)測姓名：馬毅林申請學(xué)位級別：碩士專業(yè)：交通運輸規(guī)劃與管理指導(dǎo)教師：邵春福20080501中文摘要摘要：短時交通狀態(tài)預(yù)測對于動態(tài)交通誘導(dǎo)，先進的交通管理、交通控制與安全等，均具有重要的意義。短時交通狀態(tài)預(yù)測研究在國際上一直很活躍。在過去的幾十年里，交通學(xué)者在這一研究領(lǐng)域做了大量的工作，取得了顯著的研究成果。本文主要對交通流短時預(yù)測作了進一步的研究：(1)闡述了短時交通狀態(tài)預(yù)測在智能交通系統(tǒng)中重要作用和地位，由此說明了短時交通狀態(tài)預(yù)測研究的重要性和必要性。(2)介紹了幾種廣泛使用的短時交通預(yù)測方法，分析了各種預(yù)澳4方法的特點。之后，按
2、照單斷面和多斷面分別介紹了短時交通流預(yù)測的研究現(xiàn)狀。(3)介紹了交通狀態(tài)三個基本參數(shù)的定義。針對城市路網(wǎng)交通的時間空間分布，分析了交通流的主要特點。然后介紹了交通流數(shù)據(jù)的修復(fù)方法。(4)通過回顧非參數(shù)回歸在短時交通狀態(tài)中的應(yīng)用，介紹了非參數(shù)回歸在該領(lǐng)域內(nèi)各個階段的發(fā)展情況。在此基礎(chǔ)上，通過狀態(tài)向量的選擇和相似機制的設(shè)計，充分考慮上下游斷面的影響，提出路網(wǎng)條件下的多斷面短時交通狀態(tài)預(yù)測的非參數(shù)回歸模型。(5)使用北京市的實際交通數(shù)據(jù)驗證改進的模型。通過比較不同K值和不同預(yù)測函數(shù)輸入條件下的預(yù)測效果，得出當(dāng)K_10和使用最相似交通狀態(tài)作為預(yù)測函數(shù)輸入時預(yù)測效果最好的結(jié)論，并分析此時各個斷面的
3、平均絕對誤差和相對平均誤差。然后分析了預(yù)測值和實際值的相關(guān)性。最后總結(jié)了論文的工作，闡述了非參數(shù)回歸模型的優(yōu)點和不足，并展望非參數(shù)回歸在短時交通狀態(tài)預(yù)測領(lǐng)域的發(fā)展方向和需要進一步研究的問題。關(guān)鍵詞：智能交通系統(tǒng)；短時交通流預(yù)測；交通狀態(tài)；模式識別；非參數(shù)回歸分類號：U491ABSTRACTABSTRACT：Theshort—termtrafficstateforecastingoftenusedinthedynamictrafficguidance,theMvancedtrafficmanagementandthetrafficcontrolandsafety,playsanimport
4、antroleintheresearchareaoftrafficengineering．Sostudyonshorttermtrafficstateforecastingisverypopularintheworldduringthepastfewyears．Trafficengineershavedonemuchworkinthisarea,andgetlotsofremarkablefruits．Furtherstudyisdoneinthisthesis：(1)Weexpoundtheimportantroleandstatusofshort—termtrafficstatefo
5、recastinginIntelligentTransportationSystem，whichresultinthenecessaryandimportanceofshort-termtrafficstateforecastingresearch．(2)Thestrengthandweaknessofsomepopularmethodsareintroduced．Then，thisthesisprovidesanoverviewoftheresearchinshort-termtrafficstateforecasting,whichclassifiedintosingleSectio
6、npredictionandmulti-Sectionprediction．(3)Thethreebasicparametricoftrafficflowareintroducedandbasedontrafficstatetimeandspacedistributiononurbantrafficnetwork，maincharacteristicsoftrafficareintroducedandanalyzed．Thenthisthesisintroducesthemethodtorepairtrafficdataacquiredfromdetector．(4)Afterrevie
7、wingtheapplicationofnonparametricregressioninshort—termtrafficstateforecasting，thisthesisintroducetheachievementofnonparametricregressioninthisarea．Andthen,thisthesispresentanewnonparametricwhichCanbeusedforshort-termt
