探析快速路旅行时间预测算法研究

探析快速路旅行时间预测算法研究

ID:34777942

大小:2.38 MB

页数:73页

时间:2019-03-10

探析快速路旅行时间预测算法研究_第1页
探析快速路旅行时间预测算法研究_第2页
探析快速路旅行时间预测算法研究_第3页
探析快速路旅行时间预测算法研究_第4页
探析快速路旅行时间预测算法研究_第5页
资源描述:

《探析快速路旅行时间预测算法研究》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快速路旅行时间预测算法研究姓名:张琨申请学位级别:硕士专业:交通信息工程及控制指导教师:陈德旺20071201』£壅銮道厶堂亟±堂位盈塞史塞翅噩中文摘要摘要:旅行时间预测是智能交通系统(ITS)研究的核心问题之一。实时准确的旅行时间预测可以为先进的出行者信息系统(ATIS)和先进的交通管理系统(ATMS)实现路径诱导提供有效信息,从而减少交通拥挤。城市快速路是城市交通系统的大动脉,快速路的旅行时间预测具有十分重要的意义。现有的旅行时间预测算法通常是直接对旅行时间进行预测,算法的参数往往都需要大量的实测旅行时间数据来进

2、行辨识。若缺乏大量的旅行时间数据作为支持,则算法的效果不是十分理想。因此,在对小波变换理论、BP神经网络和数据融合理论分析的基础上,针对已大量安装固定检测器的快速路,本文提出了一种以小波变换消噪预处理为基础、BP神经网络和数据融合相结合的、间接的快速路旅行时间预测算法。在数据预处理中引入小波变换对交通流数据进行消噪处理,以提高数据的准确度。BP神经网络利用交通流速度的历史数据进行网络训练,并实现对未来速度的预测。通过数据融合技术将路段中的具有空问差异性的多个检测器速度融合为的路段平均速度,并提出两种方法将路段平均速度转换为路段旅行时间。本文

3、选取北京市北三环安装有微波检测器的路段作为实验路段,并利用视频识别技术采集路段的旅行时间数据对算法进行验证。验证结果表明,算法的预测误差在lO%左右。在算法研究的基础上,利用Va斗、SQLServer、MapX等开发了快速路旅行时间预测应用软件.关键词:城市快速路;旅行时间预测;小波变换;BP神经网络;数据融合分类号:U491.14』E峦窆适厶堂亟±主位迨塞△壁SI星△£!ABSTRACTABSTRACT:TraveltimeforecastisoneofthekeyissuesinIntelligentTransportationSyst

4、em(ITS)Research.Real·timeandaccuratetraveltimeforecastscouldreducetrafficcongestion,byprovidingeffectiveinformationforrouteguidancetoAdvanceTrafficManagementSystem(ATMS)andAdvancedTravelerInformationSystem(ATIS).Andtheurbanexpresswayisthemainarteryofthecitytransportsystem,

5、SOthereisgreatsignificanceinthetraveltimeforecastoftheurbanexpressway.Theexistingtraveltimeforecastalgorithmsalwayspredictthetraveltimedirectly,andthealgorithmparametersoftenrequiresalargeamountofrealtraveltimedataforidentification.Theperformanceofexistingalgorithmsisnotve

6、rysatisfactorywithoutgreatdealoftraveltimedata.Sobasedontheoreticalanalysisinthewavelettransformtheory,BPmackPropagation)neuralnetworkanddatafusion,thispaperpresentsanewalgodthmtopredicttheurbanexpresswaytraveltimeindirectly.Thealgorithm,whichappliedtotheurbanexpresswaywit

7、halargenumberoffixeddetectors,isbasedonthewavelettransformdenoising,BPneuralnetworkanddatafusion.Wavelettransformisintroducedintotrafficflowdatapreprocessingtoenhancedataaccuracy.AndtheBPneuralnetworkpredictsthefuturetrafficflowvelocityusingthehistoricaldata.Becausedetecto

8、rsinthesectionhavespatialdifference,Datafusiontechnologyisadoptedinmergingeveryvelocityin

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。