非參數(shù)回歸算法在短時交通流預測中的應用.pdf

《非參數(shù)回歸算法在短時交通流預測中的應用.pdf》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在行業(yè)資料-天天文庫。

1、非參數(shù)回歸算法在短時交通流預測中的應用梁秀霞，等非參數(shù)回歸算法在短時交通流預測中的應用ApplicationoftheNonparametricRegressionAlgorithminForecastingofShort—termTrafficFlow磐秀霞稠嘲B繃李偉雙(河北工業(yè)大學控制科學與工程學院，天津300130)摘要：由于城市道路交通系統(tǒng)中的交通流演變存在隨機性和復雜性，且實時交通狀態(tài)判別本身具有不確定性，故實時、準確的短時交通流預測是交通控制與誘導的一個關鍵因素。利用非參數(shù)同歸對短時交通流進行預測是一種較好的預測方法，它能夠很好地體現(xiàn)交通流的非線性、時變性和不確

2、定性。為進一步提高預測的準確性，對K近鄰的非參數(shù)同歸方法進行了改進。結(jié)果表明，改進模型預報準確率更高，穩(wěn)定性更好。關鍵詞：短時交通流預測智能交通非參數(shù)回歸K近鄰主成分分析反饋回路中圖分類號：T瑪Ol+．6文獻標志碼：AAbstract：Duetotherandoml％sandcomplicityoftheevolutionoftrafficflowinurbanroadtra儂esystem。andtheuncertaintyofreal．timejudgmentoftrafficstatus，thustheprecisereal—timeforecastingofshort

3、—termtrafficflowisthecriticalfactorintrafficcontrolandguide．Byadoptingnonparametricregressiontoforecastshort—termtrafficflow，thenonlinear，timevaryinganduncertainpropertiesofthetra陌cflowCanbewellreflected，SOitisabetterforecastingmethod．Tofurtherenhancetheforecastingaccuracy，theK-nearestneigh

4、bornonparametricregressionmethodisimproved．Theresultindicatesthattheimprovedmodelfeatureshigheraccuracyandbetterstabilityinforecasting．Keywords：Short-termtm岱cflowforecastingIntelligenttransportationnonparametrieregressionK-nearestneighborPrincipalcomponentanalysisFeedbackloop0引言隨著社會經(jīng)濟的發(fā)展，城市

5、化、汽車化速度加快，交通擁擠、交通事故頻發(fā)、能源短缺等問題越來越突出?。智能交通系統(tǒng)(intelligenttransportationsystem，ITS)被視為解決交通擁堵問題的重要手段¨1。它的廣泛應用能夠幫助人們理性地選擇出行路線，能夠更有效地減少環(huán)境污染，避免交通擁擠，大大減少了出行時間。道路交通系統(tǒng)是一個有人參與的、時變的、復雜的非線性大系統(tǒng)，其顯著特點是具有高度的不確定性p1。如果我們能準確地預測出未來交通狀態(tài)，就能防止交通阻塞和其他消極因素的影響。為此，本文首先研究了基于K近鄰的非參數(shù)回歸算法。同時，為了進一步提高算法預測的精度，從兩方面對原有的算法進行了改進

6、。首先采用主成分分析方法選取狀態(tài)向量，不僅達到了降維的目的，而且體現(xiàn)了變量之間的綜合作用；然后增加閉環(huán)回路，使模式匹配過程增加預測誤差因修改稿收到日期：201l—04—28。第一作者梁秀霞(1972一)，女，2002年畢業(yè)于河北工業(yè)大學控制科學與工程專業(yè)．獲博士學位，教授；主要從事高等過程控制系統(tǒng)及控制裝王等方面的設計和研究。《自動化儀表》第33卷第4期2012年4月素，使匹配過程更趨向合理。1算法1．1算法框架為了研究交通流量y的變化規(guī)律，通常尋找一種回歸表達式Y(jié)=／C石)+H，其中菇為相關變量，“為隨機誤差項H1，但是要找到一個固定的以石)不容易。在非參數(shù)估計中，不需要假

7、定這個函數(shù)f(石)的形式，也不需要設定參數(shù)。非參數(shù)估計是一種數(shù)據(jù)驅(qū)動的啟發(fā)式預測機制，通過搜索歷史數(shù)據(jù)庫中與當前觀測值相似的數(shù)據(jù)來預測未來值，它的數(shù)學模型是從歷史數(shù)據(jù)中得到的。通常非參數(shù)估計可以劃分為三部分：歷史數(shù)據(jù)、搜索機制和預測函數(shù)”J。首先我們需要足夠的歷史數(shù)據(jù)，歷史數(shù)據(jù)越多，越能完整地反應交通狀況，越有利于準確地預報。然后通過主成分分析得到的狀態(tài)向量和距離度量準則，在歷史數(shù)據(jù)庫中進行搜索，尋找K個近鄰與實時數(shù)據(jù)進行匹配。最終帶入預測函數(shù)中，得到下一個時刻的交通流量預測值，同時考慮誤差來調(diào)節(jié)參數(shù)。