基于支持向量回归机的路段平均速度短时预测方法研究

《基于支持向量回归机的路段平均速度短时预测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、北京交通大学硕士学位论文中文摘要摘要：交通控制和交通诱导是智能交通系统中的重要的组成部分，是解决交通阻塞、交通事故等问题的有效手段和方法，在实时的交通管理中起着重要作用。交通控制和交通诱导的实现，以及时准确地对各种交通状态参量预测为前提，交通流量、占有率和平均速度均是反映交通状态的重要参数。因此，对路段平均速度的短时预测，不仅能够为交通管理部门进行实时、动态的交通控制、交通诱导等提供决策依据，而且能够为出行者进行路径选择提出有价值的参考，提供良好的交通信息服务。本文针对基于GPS／GIS的浮动车数据特点，总结其

2、中无效的数据类型，并给出数据有效处理的方法。以支持向量机原理、交通状态预测方法为基础，分析了常用支持向量回归机、核函数及模型参数的性能，以及各核函数及模型参数对支持向量机性能的影响及作用。针对路段平均速度预测中的小样本、非线性、高维回归等特点，将支持向量回归机方法引入基于浮动车数据的路段车辆速度预测，构建了路段平均速度短时预测模型。并以杭州市某路段的实际数据为例，详细阐述了支持向量回归机预测模型的具体建模和求解过程。运用LibSVM2．84软件包，进行预测模型的参数选择、样本训练以及预测求解，并通过预测结果的对

3、比分析，验证了预测模型的可用性和有效性。关键词：路段平均速度：支持向量机：短时预测；浮动车数据；智能交通系统分类号：北京交通大学硕士学位论文英文摘要ABSlRACTABSTRACT：TI墒ccontrolandtl'桶CguidanceareimportantpartsintheIntelligentTransportationSystem，thoseareeffectivemes．nsandmethodstosolvethetrafficcongestion，trafficaccidentsandotheri

4、ssuesoftrafficmanagement．TIa佑ccontrolandtrafficguidancearebasisofforecastaccuratelyofthevarioustrafficparametres．Tra伍cflow,trafficdensityandtrafficvelocityareallimportanttrafficparametres．Therefore，thesectionaveragevelocityshort—termforecast,notonlyprovidess

5、ignificantreferenceforreal-timetrafficcontrolandtra箭cguidance，butalsooffers900dtrafficinformationservicesfortravelers．Thispaper,basedonthecharacteristicsoffloatingcardata,concludesthetypesofinvaliddaI丑givesaneffectivemethodsfordataprocess，analysestheeMmemris

6、ticsofkindsofsupportvectormachineregression、thekernelfunctionandtheparametersofthemodel．Meanwhile，fort11epeculiarityofsectionaveragevelocityforecast，suchassmallsamples，nonlinear,lligh—dimensional，thepaperbringsthemethodsofsupportvectorregressionintosectionve

7、hiclesvelocityforecast，whichisbasedonthefloatingcatdata，andconstructssectionaveragevelocityshort—termforecastmodel．Additionally,certainsectioninHanZhouistakenasanexample，usingtheLibSVM2．84softwarepackage，tOtestandverifythepracticabilityofthesectionaveragevel

8、ocityshort-termforecastmodel．Calculationresultsshowthatthemethodisfeasibleandeffective．KEYWORDS：Sectionaveragevelocity；Supportvcetorregression；Short-termforecast；FloatingCat"data；IntefligentTran