基于集成学习的交通状态预报方法研究

《基于集成学习的交通状态预报方法研究》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、諸ｒ晋雜３二－￣￣為寺＾黑ｉＴ—博±学位论文基于集成学习的交通状态预报方法研究研究生姓名：刘擎超导师姓名；陆建教巧串请学份类别工学诸±学位巧予单位东巧大学一级学科名称交通运巧工程论文答辩日期２０巧年１０月２０日二级学科《称巧巧运拍Ｉ巧划与ｇ理学位授予日期２０年月日答辩委员会主席评阅人２０１５年１０月２０日？来兩：ｋ參博±学位论文基于集成学习的交通状态预报方法研究专业名称：交通运输规划写管巧研巧生姓名：刘蒙超导师姓名：陆

2、建本论文获国家８６３计划项目（２０ＵＡＡ１１０３０２）资助。ＴＲＡＦ巧ＣＳＴＡＴＥＰＲＥＤＩＣＴＩＯＮＢＡＳＥＤＯＮＥＮＳＥＭＢＬＥＬＥＡＲＮＩＮＧＡＤｉｓｓｅｒｔａｔｉｏｎ（Ｔｈｅｓｉｓ）Ｓｕｂｍｉｔｅｄ化ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＦｏｒｔｈｅＡｃａｄｅｍｉｃＤｅｇｒｅｅｏｆＤｏｃｔｏｒｏｆＥｎｇｉｎｅｅｒｉｎｇＢＹＬ山－ｉｎｃｈａｏＱｇＳｕｐｅｒｖｉｓｅｄｂｙＰｒｏｆ．ＬＵＪｉａｎＳｃｈｏｏｌｏｆＴｒａｎｓｐ

3、ｏｒｔａｔｉｏｎＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＡｒｉｌ２０１５ｐ东南大学学位论义独御性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研巧成果。尽我所知，除了文中特别加Ｗ标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研巧成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研巧所做的任何贡献均已在论文中作了明确的说明并表示了谢意。。＇。也节、。＾研巧生签名：叫聋日期；东南大学学位论文使用授权声

4、明东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档，可［＾采用影印、缩印或其他复制手段保存论文。本人电子文档的内一。容和纸质论文的内容相致除在保密期内的保密论文外，允许论文被査阅和借阅，可Ｗ公布（包括刊登）论文的全部或部分内容。论文的公布（包括刊登）授权东南大学研究生院办理。＾１＾．．研究生签名：导师答名：圧期【ｒ、＾摘要随着汽车保有量的迅速增加，有限的道路资源和不断增长的汽车数量之间的供需矛。盾变得越来越尖锐，导致交通

5、供给与交通需求之间难Ｗ平衡这直接导致了各大中城市交通环境的不断恶化，交通拥堵日益严峻，交通控制与诱导是应对城市交通问题的重要手段一，实现交通控制与诱导的关键问题之就是实时准确的交通状态预报。如何准确检测交通事件一、如何实时判别交通状态Ｗ及如何精确高效地预测交通状态，直是智能交通研究领域的重点。＂＂本文依托国家８６３计划课题大城市区域交通协同联动控制关键技术中的子课题＂＂面向出行行为的区域交通智能分析与多模态控制技术，围绕集成学习技术，开展交通事件自动检测、交通状态自动判别及短时预测方法

6、研究。、Ｈ论文分析了四种交通状态模式分类的方法，包括基本图法相交通流法、服务水平法Ｗ及集成学习法。在己有交通流状态模式划分的基础上，重点阐述了集成学习中的聚类分析法和距离度量法。交通状态是通过交通流数据来体现的，交通流数据主要包含参数速度、流量和占有率等，根据交通状态相似性划分的原理，通过计算交通流数据之间的距离确定交通状态。在明确交通事件检测问题的本质是二分类问题基础上，针对由交通事件引起的异常交通状态检测模型的检测率低、误警率高不能满足实际应用的问题，论文提出两种交通通事件检测

7、方法和基于贝叶斯分类器集成的交通事件事件检测方法：基于随机森林的交检测方法，，。前者的基分类器是决策树随着决策树数目的变化对事件检测性能进行调整；后者的基分类器为贝叶斯分类器，并应用五种不同集成规则。论文分析了交通状态判别的实质，即可理解为分类器学习训练不同类标签的历史交通流数据，并对实时线上交通流数据进行不同交通状态等级逻辑判断的过程。结合北京城市道路交通运行评价指标体系，引入动态分类器集成理论，提出了基于近邻规则分类器集成的交通状态自动判别算法。该方法首先计算每个基分类器在测试集样本邻

8、域中的交通状态判别准确率，进而挑选出局部准确率最高的基分类器并对该测试交通流数据样本进行判别，，输出信息即为交通状态等级。在评价判别结果时引入交通状态漏淆矩。阵的概念，分别对实际状态和判别状态进巧统计分析从交通状态等级分类和交通状态指标变量的角度出发，分别实现了城市道路交通状态预测。将交通状态等级预测转化为多类分类问题，在构建数据集时把将来的交通状态