基于支持向量机的高速公路交通量预测研究

《基于支持向量机的高速公路交通量预测研究》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：TP3910710-0724006滚步犬海硕士学位论文基于支持向量机的高速公路交通量预测研究魏善冠导师姓名职称张绍阳教授申请学位级别工学硕士学科专业名称计算机软件与理论论文提交日期2010年5月20日论文答辩日期2010年6月6日学位授予单位长安大学答辩委员会主席学位论文评阅人张卫钢教授孔庆芸副教授武雅丽教授HighwayTrafficPredictionResearchBasedonSupportVectorMachineCandidate：WeiShanguanSupervisor：Prof．ZhangShaoyangChang

2、’anUniversity,Xi’an，ChinaⅧ2洲8洲9川9㈣2哪7iiiii■■_ⅢY论文独创性声明本人声明：本人所呈交的学位论文是在导师的指导下，独立进行研究工作所取得的成果。除论文中已经注明引用的内容外，对论文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体己经公开发表的成果。本声明的法律责任由本人承担。论文作者签名：宏眩磊红矽，口年f月，，日论文知识产权权属声明本人在导师指导下所完成的论文及相关的职务作品，知识产权归属学校。学校享有以任何方式发表、复制、公开阅览、借阅以及

3、申请专利等权利。本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成果时，署名单位仍然为长安大学。(保密的论文在解密后应遵守此规定)论文作者签名：兹红乌乏L、，7，导师签名：绣研旷汐￡，’1JIy’矽¨年／月fJ日b，。年f月f汨摘要交通量的预测是提高交通运输管理水平、降低运输成本的重要手段之一，同时也是进行交通状况评价、路网规划、线路改造以及工程建设项目可行性分析的基础。因此，研究高速公路交通量预测具有重要的意义。本文在深入分析比较各种交通量预测方法的基础上，研究了利用支持向量机进行交通量预测方法并进行了实际应用。首先，对收费站出

4、口数据进行了数据预处理，使之转化为预测分析数据集。然后，深入的研究了灰色理论预测方法和神经网络预测方法，并使用这些方法对现有数据集进行对比预测。重点研究了支持向量机预测模型的建模方法，包括数据归一化、核函数选择、模型参数选择等，建立了基于支持向量机的交通量预测模型，对西潼高速公路的渭南西与渭南东两站问的路段进行了交通量预测，平均误差率仅为2．5％。最后对基于支持向量机交通量预测软件进行了详细设计。预测结果表明，支持向量机用于交通量的预测是可行及有效的。所研究的支持向量机预测模型在陕西省公路资源整合项目的“综合分析决策支持系统"中得到了应用。

5、关键词：交通量预测，灰色理论，神经网络，支持向量机AbstractTrafficpredictionisoneoftheimportantmeanstoimprovethetransportationmanagementlevelandreducethecostoftransportation．Simultaneously,itisalsothefoundationofroadnetworkplanning，trafficevaluationandfeasibilityanalysisofconstructionprojects．There

6、fore，theresearchonhighwaytrafficpredictionhasimportantsignificance．Basedontheanalysisandcomparationofvarioustrafficpredictionmethods，trafficpredictionmethodusingsupportvectormachine(SVM)andconductedpracticalapplicationarestudiedinthispaper．First，thetolldataofexportisprepro

7、cessedintopredictionanalysisdatasets．Then，thegreypredictionmethodsandneuralnetworkpredictionmethodsareresearched，andthesemethodsareusedtoconductcomparisonofpredictionaboutexistingdatasetsinthepaper．Supportvectormachinepredictionmodel，includingdatanormalization,selectionofk

8、emelfunction，selectionofmodelparameteretc．aredeeplystudied．Aftertllat，theforecastingmodel