《(交通运输)基于支持向量机的快速路小时交通量预测精品》由会员分享，可在线阅读，更多相关《(交通运输)基于支持向量机的快速路小时交通量预测精品（36页珍藏版）》请在金锄头文库上搜索。
1、五邑大学本科毕业设计摘 要快速路交通量具有复杂性和不确定性，对交通量的准确预测是实现智能交通诱导和控制的基础。智能交通能解决道路交通拥堵，减少交通事故，减少大气污染等现实难题，是我国道路交通发展的方向。充分考虑到快速路交通量所具有的非线性，时变性和随机性，提出将支持向量机回归算法应用到快速路小时交通量预测中。根据我国交通情况，利用广州某快速路小时交通量数据，进行快速路小时交通量预测。仿真研究结果表明，支持向量机泛化能力好，学习速度快，在快速路小时交通量预测中起着重要作用。关键词：小时交通量；交通量预测；支持向量机回归；仿真研究IAbstract Expressway traffic flow
2、has the complexity and uncertainty, the accurate traffic flow forecasting is the foundation to realize intelligent traffic guidance to control. Intelligent transportation can solve traffic congestion, reduce traffic accidents, reduce the realistic problems such as air pollution, is the direction of
3、our country road traffic development. The expressway traffic flow is nonlinear, time-varying and randomness, the support vector machine (SVM) regression algorithm was applied to expressway hours in traffic flow prediction. According to the traffic situation in our country, use the one of Guangzhous
4、expressways traffic flow data to forecast an hour expressway traffic flow. Simulation results show that the generalization and learning ability of support vector machine (SVM) is well, hours in expressway traffic flow forecasting plays an important role. Keywords: hourly traffic volume; traffic flow
5、 forecasting; support vector machine regression; simulation research 目 录摘 要IAbstractII第1章 绪论11.1 课题背景11.2研究目的和意义21.3 国内外文献综述21.4 本论文主要内容3第2章 支持向量机理论52.1 支持向量机概述52.2 支持向量机回归及其类型92.3 本章小结9第3章 交通流参数及预测方法103.1 交通流基本参数103.2 交通流量数据的采集和特性103.3 交通流预测的方法113.3.1 交通状态预测概述113.3.2 交通量短时预测方法123.4 本章小结13第4章 基于支持向量
6、机的小时交通流预测144.1 概述144.2 支持向量机回归的交通信息预测144.3 支持向量机的交通信息预测的具体步骤154.4 本章小结16第5章 仿真研究175.1 交通流量预测175.2 本章小结30结论31参考文献32致谢33III第1章 绪论1.1 课题背景城市交通系统是城市经济社会活动的基础设施，城市化的发展和汽车数量的增加导致交通道路通行压力的增加。城市交通的供需矛盾越来越显现，至此引发了日趋严重的交通道路堵塞，严重的环境污染，交通事故频繁发生等问题，造成重大的经济损失。交通堵塞随即引发交通通行效率降低和能耗增加的问题。据研究数据表明，汽车时速从40公里降到10公里时，能源消耗
7、量加倍增大，还严重降低了交通通行效率，同时汽车排放的氮氧化物、一氧化碳等气体加重了环境负荷，造成严重的大气污染和空气质量下降，甚至带来连续数月的雾霾天气。快速路作为现代化交通的标志设施，具有高效、快速、舒适和安全等优势，对促进社会经济发展起到关键的作用。快速路减少了车辆之间的冲突，减少了交通堵塞的现象，提高了道路通行的效率。但是随着社会经济的发展，城市化进程的加快，快速路的交通流量也迅速增加。快速路逐渐出现了严重的交通拥堵的现象，导致快速路通行效率降低，环境污染日益加重等问题，快速路的优势似乎慢慢消退，这种现象影响了人们生活水平的提高和各项事业的现代化进程。随着机动车数量不断地增加，交通流量接
8、近甚至超过道路的通行能力，对于已经建好的城市快速路显然是不能完全容纳的。为了解决机动车与快速路容纳能力之间的矛盾，除了通过行政手段改变交通的运行规律以外，最直接的方法就是修建更多的快速路，以增加道路的容纳水平。但是这需要巨额资金的支持，同时又要占用更多的空间。因此，这种方法并不能从根本上解决上述交通矛盾，那么研究和发展智能交通系统是必经之路。在不断扩建和完善的快速路交通网络的基础上，提高快速路交通网络的现代化管理水平，改造现有的道路运输通行系统，从而提高快速路的通行能力和服务质量。交通控制与诱导是智能交通系统的重要组成部分之一，交通状态的小时交通流量预测是交通控制与诱导的基础。目前的预测方法主
9、要有统计回归法、状态估计法、神经网络法、时间序列法、动态交通分配及交通模拟法等，尤其以神经网络为代表的这种新型人工智能方法。快速路道路交通系统是非线性、时变、不稳定、带有随机性的系统，受到的影响因素很多。神经网络具有较强的自适应能力，可以根据历史数据学习训练，但是神经网络会出现求得局部极小解的问题和过学习问题。支持向量机以结构风险最小化为目标，其具有结构简单、全局最优、小样本推广能力强的优势，能很好地解决非线性、高维数、小样本和局部极小点等问题，克服了神经网络的缺陷，成为机器学习界新的研究热点，已有将其应用于交通流量时间序列预测中。本课题针对快速路交通流量非线性时变的特性，应用历史交通流量数据
10、，提出基于支持向量机的快速路小时交通量预测方法，预测未来交通流量数据，然后根据预测结果进行科学的交通诱导、控制和管理，从而解决快速路交通堵或通行效率逐渐降低的问题。1.2研究目的和意义小时交通流量预测是智能交通系统的基础组成部分，智能交通系统能提高交通运输通行效率，改善交通通行环境，减少自然环境的污染，并最终实现人、车、路的完美配合。利用现代技术获取快速路的小时交通流量，据此进行下一时段的交通流量预测，为下一时段的交通流控制和诱导做好基础。准确的预测结果可以为出行者提供最佳的交通出行路线，科学合理地引导交通出行，减少出行者的时间浪费，从而优化道路资源配置，最大限度地发挥快速路的优势，避免形成交
11、通拥堵，实现快速路交通路网畅通无阻的目的。因此，对交通流量准确、及时的预测对于实现交通流诱导与控制十分关键。目前对小时交通流量预测的方法接近30种，基本可划分为两类：其一是基于确定的数学模型的交通信息预测方法，其二是基于知识的智能模型的交通信息预测方法。数学模型预测方法以数学模型理论为基础，一般情况下能取得较好的结果，但是模型比较简单，不能克服随机的干扰因素对交通流量的影响，就会容易造成很大的误差。后者以BP神经网络预测模型为代表，BP神经网络能在有错误数据的情况下利用结构本身的特性做出准确的预测，但是利用BP神经网络过分强调学习而出现过拟合现象，使模型的泛化能力得不到充分发挥，同时还会出现，
12、欠学习，局部极小点问题。支持向量机回归预测方法采用结构风险最小化，可以避免神经网络的一些缺陷，在解决小样本数据、非线性问题以及高维模式识别方面有很多优势。本文提出基于支持向量机回归预测快速路小时交通流量的方法，利用采集到的快速路交通流量实时数据，预测快速路未来的小时交通流量，解决快速路拥堵和通行效率不高的问题。本课题研究具有重要的实际意义和社会意义，快速路小时交通量预测对城市快速路的发展，避免交通事故频繁发生和防止交通堵塞现象，合理分配交通资源配置和减少自然资源浪费和时间浪费有着深远的影响，这可使城市快速路健康快速发展，为国家的经济高速发展和人们生活水平的提高贡献更大的力量。1.3 国内外文献
13、综述 由于交通流量变化发展迅速，并且随机性和不确定性强，规律不明显，导致快速路交通拥堵问题日益明显，智能交通系统越来越受到专家学者们的重视，而交通流量预测对交通控制和诱导起着至关重要的作用。所以，近年来专家学者们开始着力于研究小时交通流量的预测，并取得了重大的成果。文献1主要介绍了道路网短时交通流量预测的基本理论、方法和应用方向。介绍了交通流量的时空特性属性，基本参数等基础知识，介绍了多种交通流量预测方法。文献2主要介绍了目前国内外智能交通系统的研究情况，讲述了交通流量预测对于智能交通系统的重要性。列举了几个常用的交通信息检测器和宏观交通信息预测模型和方法。 文献3详细地介绍了支持向量回归算法
14、运用于短时交通量预测的具体做法，从支持向量回归机的选取到交通状态短时预测的方法，再到如何构建预测模型，最后进行仿真分析。从交通检测器中获得某时段交通流量为输入，对应时段的交通流量为输出，选取合适的核函数，对支持向量回归机进行训练。运用已训练的支持向量回归机预测下一时段或者周期的交通流量。文献4介绍了智能交通的特点和优势，由此引申出利用支持向量机来处理短时交通流量预测的问题。文章中通过实际的案例分析，阐述了支持向量机在交通系统运用中具有可行性和有效性。文献5主要分为两个部分，第一部分介绍了支持向量机的基本知识，让读者明白支持向量机的理论思想。第二部分主要介绍如何通过MATLAB软件来编写程序来实
15、现支持向量机的思想，如实现支持向量机分类算法。通过阅读这篇文章，能学习到基本的MATLAB语言编写的过程。文献6介绍了支持向量机主要有两大功能：支持向量的分类和支持向量机的回归。文献7介绍了短时交通预测的基本原理、预测模型的特性，主要介绍了对其建模的理论基础，特点，可行性进行有效地分析，最后对比和评价各类预测模型。文献8在总结了预测模型的基础上，将基于支持向量机的小时交通流量预测模型的仿真结果与基于BP神经网络的交通流量预测模型仿真结果进行对比，发现在预测精度，泛化能力，收敛时间，最优性方面等方面，基于支持向量机的小时交通流量预测方面更胜一筹。文献9支持向量机通过核函数工作在特征空间中，原问题
16、能在特征空间中获得线性性能，从而便于解决问题。文献10本文介绍了通过支持向量机和BP神经网络进行比较，证明支持向量机在交通量预测的可行性。通过比较可知，支持向量机预测交通流量的方法避免出现过学习和欠学习的现象，而且具有很好的推广能力，比BP神经网络具有更高的预测精度和鲁棒性。1.4 本论文主要内容全文一共分为五章，每章主要内容的安排如下：第1章 绪论。介绍本文研究交通流量预测的背景知识，简要阐明课题研究的目的和现实意义，讲述了智能交通系统的特点和优势，是我国道路交通发展的必然方向。第2章 支持向量机理论。本章节主要介绍了什么是支持向量机，支持向量机的回归类型有哪些，支持向量机核函数有哪些和他们各自的特点。第3章
