论文部分内容阅读
实时、准确、动态的短时交通流预测一直是智能交通发展极力追求的目标。然而,短时交通流信息量大,受到不确定噪声信号干扰强,再加上城市路网复杂的拓扑结构,导致如何实现城市道路短时交通流动态预测这一问题一直制约着智能交通长足的发展。为了解决上述问题许多预测方法相继被提出,但其中一些方法都因未考虑短时交通流不确定干扰因素或者城市路网复杂性的影响,致使预测结果实时性与准确性都不尽理想,也没有达到实际意义上的动态预测。本文在Mallat算法下对短时交通流信号进行小波分解与重构,在滤掉短时交通流信息强干扰噪声信号后进行时、频域特性分析,大大提高了短时交通流信息预处理速度及精度,再将支持向量回归预测模型结合在城市路网多断面的预测思想中,使得城市道路短时交通流动态预测更加准确、实时、有效。论文旨在研究短时交通流有效信息快速、有效提取后进行城市路网中短时交通流精确的动态预测。论文主要研究工作如下:1.分析了交通流、速度、密度三个短时交通流基本参数的关系及数学模型;归纳了短时交通流基本特性;从空间、时间的层面出发,探讨了短时交通流的相关性;从动力学特性角度总结了短时交通流可预测性分析方法及其影响因素。2.针对短时交通流信号的强噪声影响,研究了小波分解与重构对短时交通流信号进行主体信息和细节信息快速、有效提取的关键问题。通过Mallat塔式多分辨率算法思想的引入,实现了短时交通流信号的快速分解与重构,最后提出了针对短时交通流信号如何有效提取的详细解决策略。3.以实现短时交通流动态预测为出发点,给出原始交通流数据预处理的方法,并通过SVR自身特性的研究,提出了模型自适应参数、G-P算法嵌入维数与核函数的动态优化与选择方法,使得短时交通流达到高效、准确的动态预测。4.通过对城市复杂网络拓扑结构的研究,给出了相关断面的矩阵表示方法及相互影响权重的F-AHP模糊标定方法;最后结合前面的研究结果提出了一个城市道路短时交通流动态预测模型,并通过实验验证了其合理性。5.利用短时交通流信号的Mallat小波分解与重构及SVR预测的研究结论,在ThinkPHP框架下设计并完成了针对西安市的短时交通流动态预测系统的开发。