基于数据挖掘技术的短时交通流预测的研究与应用

《基于数据挖掘技术的短时交通流预测的研究与应用》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、代号10701学号1022421419分类号TP311.13密级公开题（中、英文）目基于数据挖掘技术的短时交通流预测的研究与应用StudyandApplicationofShort-termTrafficFlowForecastBasedonDataMiningTechnology作者姓名叶庆添指导教师姓名、职称王保保教授学科门类工学学科、专业计算机应用技术提交论文日期二○一三年三月创新性声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果．尽我所知，除了文中特别加以标注和致谢中所罗列

2、的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料．与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意．申请学位论文与资料若有不实之处，本人承担一切的法律责任．本人签名：日期关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学．学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段

3、保存论文．同时本人保证，毕业后结合学位论文研究课题再攥写的文章一律署名单位为西安电子科技大学．(保密的论文在解密后遵守此规定)本学位论文属于保密，在年解密后适用本授权书．本人签名：日期导师签名：日期摘要随着经济的持续高速发展，城市规模不断扩大，城市交通问题变得十分尖锐。智能交通系统是目前公认的解决城市交通拥堵和提高道路通行能力的有效措施，而其对交通流进行控制和疏导的前提和关键是准确实时的交通流预测。本文根据交通流数据的特点，提出了使用数据挖掘技术中的时间序列模型及支持向量机对短时交通流进行预测，其中时间序列模型主要用到了移动平均、指数平滑和A

4、RMA模型，并对其中的指数平滑算法进行了改进，克服了原算法中平滑参数不能很好的反映交通流数据变化特点的问题。本文的主要研究工作如下：第一，为了进一步提高预测的准确率，本文根据数据挖掘中的数据预处理技术提出了切合交通流数据特点的数据预处理方法：使用间隔为五分钟的数据；保留占有率为零，而流量和速度不为零的误差数据；结合一天的交通流量分布图进行时段划分，针对每个时段的变化趋势，计算出了各自对应的缺省值。通过数据预处理，为下面的短时交通流预测提供了准确可靠的数据支持。第二，根据交通流数据拥有较强的时间关联性这一特点，本文提出了使用数据挖掘中的时间序列

5、模型以及支持向量机对其进行预测，通过实验证明，时间序列模型中的二次指数平滑法执行效率和预测准确率都较高。第三，针对二次指数平滑法中，平滑参数α不能很好的体现交通流数据变化特点的问题，本文通过公式推导，提出使用“动态平滑参数”替代原来的“静态平滑参数”，通过实验对比，发现能有效提高交通流预测效果。关键词:交通流预测数据挖掘数据预处理时间序列支持向量机AbstractWiththerapiddevelopmentoftheeconomy,citieshavebeenexpandingbiggerthaneverandtraffichasbecom

6、easeriousproblemintoday’ssociety.Intelligenttransportationsystemisaninternationallyrecognizedsettlementofthebestwaytosolvecitytrafficcongestion,andimproveoperationefficiency.Theaccurateandreal-timetrafficflowpredictionisthepremiseandkeyoftheintelligenttransportationsystemto

7、trafficflowcontrollingandinducing.Accordingtothecharacteristicsofthetrafficflowdata,thepaperusethetimeseriesmodelsandSupportVectorMachine(SVM)indataminingtechnologytoforecastshort-termtrafficflow.Thetimeseriesmodelsmainlyincludethemovingaverage,exponentialsmoothingandARMAmo

8、del.Thenthispaperputsforwardanimprovedexponentialsmoothingalgorithmwhichisdifferen