基于时间序列分析的城市道路短时交通流预测

《基于时间序列分析的城市道路短时交通流预测》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、五邑大学硕士学位论文基于时间序列分析的城市道路短时交通流预测姓名：邓志龙申请学位级别：硕士专业：模式识别与智能系统指导教师：李全20041030五邑大学硕士学位论文摘要短时交通流预测是道路交通控制系统、交通流诱导系统等领域需要解决的首要问题之一。研究短时交通流预测的理论和方法，从而实现比较准确地预测未来5分钟左右的道路交通流状况，对于缓解城市交通堵塞、避免社会资源浪费有着重要的意义和应用价值。在智能交通系统的大背景下，如何利用丰富的交通检测数据，对未来的交通流状态，特别是对在城市中处于重要地位的快速路的交通状态进行预测，对于最大效率的利用快速路资源，减少出行者时间，减少

2、快速路交通拥挤与交通事故有重要的理论意义和实用价值。时间序列预测方法是预测领域最为成熟的方法。在连续不间断的数据情况下，时间序列方法有比较高的精度。本文基于快速路段上的实时、实测交通流数据，利用时间序列分析法，结合灰色系统理论，对城市快速路段单点的短时交通流预测算法进行了研究。具体包括以下工作:利用快速路实测短时交通流数据，分析了传统时间序列建模法的不足，提出一种改进时间序列建模法。具体改进包括动态数据预处理,AR（p）模型用于短时交通流建模,实时最小二乘算法参数估计。该法提高时间序列建模的适应性，使传统时间序列模型能够用于短时交通流预测。基于灰色系统理论及其预测建模方

3、法，提出了滚动GM(1,1)灰色预测模型用于预测快速短时交通流，该方法较好的预测了短时交通流的相对变化趋势，以便于进一步的精度提高。根据滚动GM(1,1)灰色预测模型的残差序列，采用AR模型残差预测，提出快速路短时交通流多层预测模型，仿真结果表明，预测结果精度较高，泛化（generalization）能力较强。关键词时间序列预测；短时交通流；灰色系统理论；1五邑大学硕士学位论文AbstractTheshort-timetrafficflowforecasting(prediction?)isoneofthechiefproblemsneedingtobesolvedi

4、nthefieldoftrafficcontrolling,vehicleguidanceandsoon.Itisimportantforustostudythemethodandtheoryonforecastingthetrafficconditioninthefuture5minutesormore.Wellsocialpredictionisvaluableforalleviatingtrafficjaminthecityandavoidingtheresourcewasting.OnthebackgroundoftheITS(IntelligentTransp

5、ortationSystem),howtomakefulluseofthetrafficdatacollectedtotheRTMStoforecastthetrafficconditionintheurbanroadespeciallytheurbanexpressway,ismeaningfulandvaluableintheoryandpracticetoimprovetheefficiencyoftransportation,tosavethetraveler’stimeandtoreducetrafficjamandtrafficaccident.Thetim

6、e-seriesmethodisabestmaturewayinthefieldofprediction.Undertheconditionofcontinuousdatathetime-seriesmethodcanattainhigherprecision.Basedonthereal-timeandfieldcontinuoustrafficdata,studytheshort-timetrafficpredictionmethodbythetime-seriesmethodcombiningwithgraysystemtheory.Concretelythiss

7、tudyingincludessuchworksasfollowing:Madeuseofexpresswayfieldshort-timetrafficflowdata;Analyzetheshortageoftraditionaltime-seriesmodeling;Andbringforwardimprovedtime-seriesmodeling.Theimprovementincludesdynamicdatapreprocessing,short-timetrafficflowmodelingbyAR（p）model,and