基于集成學習的交通狀態(tài)預報方法研究

《基于集成學習的交通狀態(tài)預報方法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。

1、諸ｒ晉雜３二－￣￣為寺＾黑ｉＴ—博±學位論文基于集成學習的交通狀態(tài)預報方法研究研究生姓名：劉擎超導師姓名；陸建教巧串請學份類別工學諸±學位巧予單位東巧大學一級學科名稱交通運巧工程論文答辯日期２０巧年１０月２０日二級學科《稱巧巧運拍Ｉ巧劃與ｇ理學位授予日期２０年月日答辯委員會主席評閱人２０１５年１０月２０日？來兩：ｋ?yún)ⅲ崳姴缹W位論文基于集成學習的交通狀態(tài)預報方法研究專業(yè)名稱：交通運輸規(guī)劃寫管巧研巧生姓名：劉蒙超導師姓名：陸

2、建本論文獲國家８６３計劃項目（２０ＵＡＡ１１０３０２）資助。ＴＲＡＦ巧ＣＳＴＡＴＥＰＲＥＤＩＣＴＩＯＮＢＡＳＥＤＯＮＥＮＳＥＭＢＬＥＬＥＡＲＮＩＮＧＡＤｉｓｓｅｒｔａｔｉｏｎ（Ｔｈｅｓｉｓ）Ｓｕｂｍｉｔｅｄ化ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＦｏｒｔｈｅＡｃａｄｅｍｉｃＤｅｇｒｅｅｏｆＤｏｃｔｏｒｏｆＥｎｇｉｎｅｅｒｉｎｇＢＹＬ山－ｉｎｃｈａｏＱｇＳｕｐｅｒｖｉｓｅｄｂｙＰｒｏｆ．ＬＵＪｉａｎＳｃｈｏｏｌｏｆＴｒａｎｓｐ

3、ｏｒｔａｔｉｏｎＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＡｒｉｌ２０１５ｐ東南大學學位論義獨御性聲明本人聲明所呈交的學位論文是我個人在導師指導下進行的研究工作及取得的研巧成果。盡我所知，除了文中特別加Ｗ標注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研巧成果，也不包含為獲得東南大學或其它教育機構(gòu)的學位或證書而使用過的材料一。與我同工作的同志對本研巧所做的任何貢獻均已在論文中作了明確的說明并表示了謝意。。＇。也節(jié)、。＾研巧生簽名：叫聾日期；東南大學學位論文使用授權(quán)聲

4、明東南大學、中國科學技術(shù)信息研究所、國家圖書館有權(quán)保留本人所送交學位論文的復印件和電子文檔，可［＾采用影印、縮印或其他復制手段保存論文。本人電子文檔的內(nèi)一。容和紙質(zhì)論文的內(nèi)容相致除在保密期內(nèi)的保密論文外，允許論文被査閱和借閱，可Ｗ公布（包括刊登）論文的全部或部分內(nèi)容。論文的公布（包括刊登）授權(quán)東南大學研究生院辦理。＾１＾．．研究生簽名：導師答名：圧期【ｒ、＾摘要隨著汽車保有量的迅速增加，有限的道路資源和不斷增長的汽車數(shù)量之間的供需矛。盾變得越來越尖銳，導致交通

5、供給與交通需求之間難Ｗ平衡這直接導致了各大中城市交通環(huán)境的不斷惡化，交通擁堵日益嚴峻，交通控制與誘導是應(yīng)對城市交通問題的重要手段一，實現(xiàn)交通控制與誘導的關(guān)鍵問題之就是實時準確的交通狀態(tài)預報。如何準確檢測交通事件一、如何實時判別交通狀態(tài)Ｗ及如何精確高效地預測交通狀態(tài)，直是智能交通研究領(lǐng)域的重點。＂＂本文依托國家８６３計劃課題大城市區(qū)域交通協(xié)同聯(lián)動控制關(guān)鍵技術(shù)中的子課題＂＂面向出行行為的區(qū)域交通智能分析與多模態(tài)控制技術(shù)，圍繞集成學習技術(shù)，開展交通事件自動檢測、交通狀態(tài)自動判別及短時預測方法

6、研究。、Ｈ論文分析了四種交通狀態(tài)模式分類的方法，包括基本圖法相交通流法、服務(wù)水平法Ｗ及集成學習法。在己有交通流狀態(tài)模式劃分的基礎(chǔ)上，重點闡述了集成學習中的聚類分析法和距離度量法。交通狀態(tài)是通過交通流數(shù)據(jù)來體現(xiàn)的，交通流數(shù)據(jù)主要包含參數(shù)速度、流量和占有率等，根據(jù)交通狀態(tài)相似性劃分的原理，通過計算交通流數(shù)據(jù)之間的距離確定交通狀態(tài)。在明確交通事件檢測問題的本質(zhì)是二分類問題基礎(chǔ)上，針對由交通事件引起的異常交通狀態(tài)檢測模型的檢測率低、誤警率高不能滿足實際應(yīng)用的問題，論文提出兩種交通通事件檢測

7、方法和基于貝葉斯分類器集成的交通事件事件檢測方法：基于隨機森林的交檢測方法，，。前者的基分類器是決策樹隨著決策樹數(shù)目的變化對事件檢測性能進行調(diào)整；后者的基分類器為貝葉斯分類器，并應(yīng)用五種不同集成規(guī)則。論文分析了交通狀態(tài)判別的實質(zhì)，即可理解為分類器學習訓練不同類標簽的歷史交通流數(shù)據(jù)，并對實時線上交通流數(shù)據(jù)進行不同交通狀態(tài)等級邏輯判斷的過程。結(jié)合北京城市道路交通運行評價指標體系，引入動態(tài)分類器集成理論，提出了基于近鄰規(guī)則分類器集成的交通狀態(tài)自動判別算法。該方法首先計算每個基分類器在測試集樣本鄰

8、域中的交通狀態(tài)判別準確率，進而挑選出局部準確率最高的基分類器并對該測試交通流數(shù)據(jù)樣本進行判別，，輸出信息即為交通狀態(tài)等級。在評價判別結(jié)果時引入交通狀態(tài)漏淆矩。陣的概念，分別對實際狀態(tài)和判別狀態(tài)進巧統(tǒng)計分析從交通狀態(tài)等級分類和交通狀態(tài)指標變量的角度出發(fā)，分別實現(xiàn)了城市道路交通狀態(tài)預測。將交通狀態(tài)等級預測轉(zhuǎn)化為多類分類問題，在構(gòu)建數(shù)據(jù)集時把將來的交通狀態(tài)