融合天气因素的短时交通流深度预测算法

《融合天气因素的短时交通流深度预测算法》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:U49110710-2015224026专业硕士学位论文融合天气因素的短时交通流深度预测算法李星导师姓名职称罗向龙副教授专业学位类别申请学位类别工程硕士交通运输工程及领域名称论文提交日期2018年4月2日论文答辩日期2018年5月26日学位授予单位长安大学ShortTermTrafficflowDepthPredictionAlgorithmBasedonWeatherFactorsAThesisSubmittedfortheDegreeofMasterCandidate：LiXingSupervisor：AssociateProf.LuoXi

2、angLongChang’anUniversity,Xi’an,China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已经公开发表的成果。本声明的法律责任由本人承担。论文作者签名：年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

3、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。（涉密论文在解密后应遵守此规定）论文作者签名：年月日导师签名：年月日摘要随着经济的发展，机动车数量的攀升。交通拥堵、交通事故等一系列交通问题也随之产生，并严重制约着道路的通行能力。智能交通系统依靠对行驶车辆运行状态的监控、诱导，优化交通流在路网中的分布，能够有效的缓解道路交通拥堵、交通事故的发生，是目前全世界公认的解决交通问题的最有效途径。交通流预测作为智能交通研究领域中的关键技术之一，成为国内外研究的热点。针对现有交通流量预测算法大多仅考虑常态下的预测，而未考虑天气因素、交通事件等突发因素对预测结

4、果的影响的不足，本文提出了一种融合天气因素的短时交通流深度预测模型。首先，对采集的天气和交通流数据进行缺失补齐、去噪、归一化等预处理；其次，通过相关性分析得出与交通流数据相关性最强的天气因素；最后，构建基于深度信念网络和支持向量回归的短时交通流预测模型，将天气数据和交通流数据作为预测模型训练样本。根据交通流数据在时间上分布的差异性，为了提高预测精度，分别对工作日和周末的交通流量进行预测。通过美国交通数据研究实验室和犹他州大学MesoWest提供的实际交通流和天气数据对预测模型进行验证。结果表明：本文提出的预测模型与未融合天气因素的预测模型相比，其预测精

5、度平均提高4%，验证了所提出的融合天气因素的交通流预测模型的有效性，为及时可靠的交通诱导及控制提供了理论支撑。关键词：短时交通流预测，天气因素，深度信念网络（DBN），支持向量回归IAbstractWiththedevelopmentofeconomy,thenumbersofvehiclesarerising.Aseriesoftrafficproblemssuchastrafficcongestionsandtrafficaccidentsalsoarise,whichseverelyrestrictedtheroadcapacity.Intell

6、igentTransportationSystemsrelyonmonitoringandinducingtherunningstatusofvehicles,andoptimizingthedistributionoftrafficflowinroadnetworks,caneffectivelyalleviateroadtrafficcongestionsandtrafficaccidents.Itiscurrentlyrecognizedasthemosteffectivewaytosolvetrafficproblemsaroundthewor

7、ld.Asoneofthekeytechnologiesinthefieldofintelligenttransportationresearch,trafficflowpredictionhasbecomeahottopicathomeandabroad.Mostcurrenttrafficflowpredictionalgorithmsonlyconsidernormalforecasting,withoutconsideringtheimpactofweatherfactors,trafficaccidentsandotherunexpected

8、factorsontheforecastresults.Thispaperproposesas