数据驱动的高速公路交通流量及行程时间短时预测方法研究

《数据驱动的高速公路交通流量及行程时间短时预测方法研究》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、工程硕士学位论文数据驱动的高速公路交通流量及行程时间短时预测方法研究作者姓名周楠楠工程领域交通运输工程校内指导教师林培群教授校外指导教师黎春武高级工程师所在学院土木与交通学院论文提交日期2018年4月ResearchonTrafficFlowandTravelTimeShort-termForecastingMethodforFreewaysBasedonDataDrivenADissertationSubmittedfortheDegreeofMasterCandidate：ZhouNannanSupervisor：Prof.LinPeiqunSout

2、hChinaUniversityofTechnologyGuangzhou，China2分类号：U491学校代号：10561学号：201521007428华南理工大学硕士学位论文数据驱动的高速公路交通流量及行程时间短时预测方法研究作者姓名：周楠楠指导教师姓名、职称：林培群教授申请学位级别：工程硕士学科领域名称：交通运输工程研究方向：智能交通论文提交日期：2018年4月15日论文答辩日期：2018年6月1日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：谭满春委员：甘勇华、许伦辉、刘伟铭、林培群摘要交通流量及行程时间短时预测是智能交通系

3、统实施的基础，准确有效的交通流量及行程时间短时预测不仅可以让出行者提前了解路况信息，安排好出行线路，节约出行成本，也可以帮助相关交通管理部门提前了解交通变化趋势，做好诱导工作，充分利用好现有道路资源，减少交通拥堵现象。此外，由于高速公路短时交通流具有强非线性、不确定性、时变性等特性，所以，如何对高速公路的交通流量及行程时间进行实时准确地短时预测是一个既具有挑战性又具有重要研究意义的问题。本文以高速公路海量收费流水数据为基础，重点研究了高速公路交通流量及行程时间短时预测问题，主要研究内容及创新如下：(1)为了给高速公路交通流量及行程时间短时预测奠定可靠的数

4、据基础，本文对高速公路原始收费流水数据进行了分析总结并给出了数据异常的识别与处理方法。通过分析发现数据存在冗余、缺失以及错误等异常情况。对于数据冗余情况，采用直接删除法处理；对于数据缺失的情况，根据数据连续缺失的周期的长短分别采用加权平均法和K近邻非参数回归算法进行补偿；对于数据错误的情况，根据是行驶里程数据错误还是行程时间错误分别采用路段信息修复法和循环删除不在区间[2,2]内的数据的方法进行处理，其中为样本均值，为标准差。(2)为了提高高速公路交通流量短时预测的精度和稳定性，本文提出了基于多特征GBDT的高速公路交通流量短时预测模型。

5、本文首次将梯度提升树（GradientBoostingDecisionTree，GBDT）模型应用到交通流量短时预测问题上并通过分析高速公路短时交通流量的影响因素，挖掘出了天气、时段等几个有效的新特征，在此基础上构建了基于多特征GBDT的短时交通流量预测模型。最后通过广州机场高速的实际数据验证了多特征GBDT模型的有效性。(3)为了提高高速公路行程时间短时预测的精度和稳定性，本文提出了基于TS-SVR的高速公路行程时间短时预测模型。根据交通流理论可知行程时间和交通流量具有密切的联系，因此，本文将行程时间短时预测与交通流量短时预测结合：首先预测下一时段的交

6、通流量，然后将下一时段的交通流量作为特征加入到基于支持向量机回归（SupportVectorRegression，SVR）的行程时间短时预测模型的输入向量中，以此构建了基于TS-SVR（TwoStep-SupportVectorRegression，TS-SVR）的高速公路行程时间短时预测模型。最后通过广州机场高速的实际数据验证了本文提出的模型的有效性。I关键词：交通流量短时预测；行程时间短时预测；高速公路；GBDT；多特征；TS-SVRIIABSTRACTShort-termforecastingoftrafficflowandtraveltimeis

7、thebasisoftheimplementationofintelligenttransportationsystem.Accurateandeffectiveshort-termforecastingoftrafficflowandtraveltimecannotonlyallowtravelerstounderstandtheroadconditionsandarrangetravelroutesinadvance,butalsoallowrelevanttrafficmanagementdepartmentsunderstandthetrendo

8、ftrafficchanges,doagoodjobofinductionina