论文部分内容阅读
基于多元数据的流量预测在人们的日常生活中的作用越来越大,包括交通流量预测、网络流量预测、天气预报等方面。值得关注的是,交通流量预测在近几年变得日益重要。各大公司开始研发交通流量预测产品,或者对自己产品拓展交通流量预测功能,如腾讯、滴滴、百度等。对基于多元数据的车流量进行预测研究,可以为政府相关部门、企业及民众提供便捷,其具有充分的研究价值和意义。本文针对基于多元数据的车流量进行分析预测研究,主要工作内容和创新点如下:(1)提出了改进的基于多元数据的SEM-MNL车流量预处理模型。该方法在充分研究Logit模型和Probit模型后,选用了Logit模型的基础模型MNL模型作为本文预处理模型的基础。首先根据MNL模型和结构方程模型的优缺点,提出了模型的基本框架,将模型分为上下两个部分结构,即基于多元数据的流量特征结构方程模型和考虑潜变量影响的改进MNL模型;然后对上下两部分进行分别研究。特别的,针对缺乏考量潜在因素的问题,考虑效果最大化和随机效用理论,对传统MNL模型进行改进,并提出考虑潜变量影响的改进MNL模型。最后整合上下两部分,得到改进的基于多元数据的SEM-MNL车流量预处理模型。(2)提出了一种基于稀疏偏相关图的车流量预测算法模型(SPCG-EMD)。为扩展多元数据较少或者异常数据占比不正常的流量预测应用场景,分两部分进行研究,即EMD经验模态分解和稀疏偏相关图算法(SPCG)。为了达到良好的预测效果,首先在预测前对数据进行EMD经验模态分解。接着考虑稀疏图的优点,在偏相关图的基础上,对稀疏偏相关图进行重构,并提出改进的稀疏偏相关图的流量预测算法(SPCG)。最后整合EMD经验模态分解和稀疏偏相关图算法(SPCG),提出SPCG-EMD算法模型。(3)设计并实现了基于多元数据的车流量预测系统。基于上述研究成果,将提出的基于多元数据的SEM-MNL流量预处理模型和SPCG-EMD算法模型应用于真实的高速公路车流量预测当中,并设计实现了车流量预测系统,将预测结果进行可视化展示。本文运用到的车流量预处理模型和车流量预测模型均经过独自的算法预测得到了实例证明,并且将其运用于川高大数据平台数据分析中,实际应用效果较好。