基于时空特性的城市道路短时交通流预测研究

《基于时空特性的城市道路短时交通流预测研究》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、分类号U495单位代码10618密级学号2120950090专业硕士学位论文基于时空特性的城市道路短时交通流预测研究研究生姓名：邱世崇导师姓名及职称：陆百川教授申请专业学位类别工程硕士学位授予单位重庆交通大学论文提交日期2015年4月25日专业领域名称交通运输工程论文答辩日期2015年5月31日2015年6月10日UrbanRoadShort-TermTrafficFlowForecastingBasedonSpatio-TemporalCharacteristicADissertationSubmittedfortheDegree

2、ofMasterCandidate：QiuShichongSupervisor：Prof.LuBaichuanChongqingJiaotongUniversity,Chongqing,China重庆交遺大学宇位论文原创性声巧．，础３埋行祈巧本人邱宝声巧：巧里获叫学化论文巧本人在导师的巧导下工化所权妈的化果，除．．文中己逐祉．巧引巧的内留钟本也文不码含任巧其化个人或定讳己经发表或投写过的巧品成果化宝嚴责献的个Ａ和策证，。对本文的掛充愤均己在文中站巧抽方式标明，本人壳电息巧到本声巧的化津站更由本人承担？＾迪学垃也文

3、作者笠名：：日巧：片Ｋ年＾月日＼｜＾＾｜重庆交通大学学位论文化枚化用找权书＇、巧巧学巧，间度爭校保本学位也市巧巧完吿ｒ脑单枝肯黄巧讯ｉｔ文的规定化巧企文巧国Ｗ即枯闻？里并向固蛋有关部ｎ张机巧达巧论丈的复巧件巧电子巧．本人坛Ｋ垂巧方通大単巧虹将本学化论文的全部内辞编人肯关数巧库理巧粒乐，，巧从桌巧巧Ｗ、淹巧或巧描等复别手巧探存巧Ｃ病本争位也乂Ｎ巧巧权中巧科、立全文规巧库＾？开化巧学巧术信息巧＜中间單巧拓？＾巧冉本人单位论丑化患到Ｊ倍息巧弄（包枯但不南可汇巧Ｉ问呵本、巧留、巧利、发巧、恒忌网妊巧巧

4、等在其化媒巧发化咕文的校利。屯、学位杞义化苦运宅：如忠霉ｍ导巧师糾：／ｈ５巧：曰ｂ：ｒ站７Ｃｉ斗ｔ島＾Ｊ＜本人巧昆颗本爭位地文提巧至中巧軍术巧刊■化盈侦＾电于杂志祉。ＮＫＩ系－》拽巧巧巧岳中全定及化Ｉ井技Ｓ中拉化巧巧愤上学枯也乂全文巧拖库出巧童硬定宇安巧关巧益．化可邮巧师逆名：爭松它州舌孩名：务却ＩＢ巧巳朗年ｆ：Ｗ穿年占巧矣产摘要交通信号控制和交通流诱导系统是智能交通系统（ITS）的核心课题，实现交通控制和交通诱导系统功能的关键是实时准确交通流预测信息。交通流预测信息可直接送到先进的

5、交通信息系统（ATIS）和交通管控系统（ATMS），为出行者提供实时有效的出行信息，提高城市交通管控水平。交通流预测一直是许多相关领域的研究热点。现有短时交通流预测主要针对单断面交通流时间序列数据变化规律进行分析，基于统计模型、非线性理论、智能算法或将几种模型进行组合得到预测模型，存在预测精度不高、难以适应短时交通流变化的非线性和不确定性等问题。针对以上问题，本文以城市道路交通流时空特性为着手点，深入分析了城市道路交通流的时间特性和空间特性，将空间邻近路段交通流影响考虑进短时预测，结合基于时间序列数据预测方法稳定性好和空间相关估计预

6、测非线性强的特点，提出了同时考虑研究路段实时及历史交通流数据和空间相关路段交通流数据的预测方法，提高了短时交通流预测精度。首先，分析了交通流时间特性，将动力学特性分析方法应用于短时交通流时间特性分析，具体介绍了交通流时间特性和短时可预测性判别方法。引用三种基于不同理论的短时交通流预测方法，给出各方法数学模型和算法步骤，实验案例，分别对2min、6min和12min三种统计周期交通流进行预测，对比预测结果评价指标，分析了各预测模型的适用性。其次，分析了城市道路交通流空间分布特性和相关性，借鉴无检测器路段交通参数估计思想，分析了利用空间

7、邻近检测数据对目标路段交通流预测的可行性。提出了利用多元逐步线性回归模型对目标路段交通流进行空间估计预测的方法。考虑到交通系统的时变性，结合卡尔曼滤波理论最优估计思想，设计了基于卡尔曼滤波的短时交通流空间预测方法。实验仿真，验证了所提方法的有效性。最后，在城市道路交通流时空关联特性分析基础上，提出了两种同时考虑目标路段交通流时间序列数据和空间邻近道路交通流数据的预测方法。一种是利用最小二乘动态加权融合算法，将基于目标路段时间序列数据预测结果和基于空间相关流量数据预测结果进行融合，输出最终结果；另一种是将卡尔曼滤波优化的k近邻算法应用

8、于短时交通流预测，初始用多元线性回归对定义的状态变量赋以权值，利用卡尔曼滤波递归最优估计原理，根据研究路段实时采集数据对状态变量权值在线更新，以适应交通状态的变化。实验案例，对比单一基于时间序列数据和空间相关数据的预测方法，验证了所提