《面板数据在交通流预测中的应用分析开题报告》由会员分享，可在线阅读，更多相关《面板数据在交通流预测中的应用分析开题报告（15页珍藏版）》请在金锄头文库上搜索。
1、面板数据在交通流预测中的应用分析 开题报告,目录,课题背景 课题意义 研究现状 研究问题 研究内容,技术路线 研究成果 进度安排 参考文献,课题背景,交通流预测是城市交通管理和出行服务的需要 短时交通流量预测（实时交通预测）非常困难 单纯应用截面数据或时间序列数据来预测交通流存在不足 面板数据方法是一种新的统计方法但很少应用在交通领域,课题意义,预测是为了更好的决策 交通参数的准确预测是城市集成交通控制系统中的信号控制子系统和动态导引子系统的前提 智能交通系统中，营运车辆调度管理系统，先进的驾驶员信息系统，先进的交通管理系统等子系统以及自动高速公路系统的网络层和连接层对流量进行控制也需要准确的
2、流量预测值 准确实时的短时交通流预测是使智能交通系统从“被动式反应”转变到“主动式动作”的关键 可以提高交通流预测的模型的实时性、准确性、可靠性,研究现状,面板数据模型,研究现状,从20世纪60代开始，人们就开始把其他领域应用成热的预测模型用于交通流量时间序列预测领域，并开发了多种预测模型和方法。 较早期的预测方法主要有：自回归模型(AR)、滑动平均模型(MA)、自回归滑动平均模型(ARMA)、历史平均模型(HA)和Box-Cox法等等。,研究现状,随着该领域研究的逐渐深入，又出现了一批更复杂的、精度更高的预测方法。这些模型可分成五类：基于统计理论的模型、基于非线性预测理论的模型、基于神经网络
3、理论的模型、基于动态分配理论的模型和基于微观交通仿真的模型。,研究现状,现有的短时交通流量预测方法大体可以分为两类：第一类是以数理统计和微积分等传统数学与物理方法为基础的预测方法，包括早期的历史平均模型，自回归滑动平均模型(ARMA)，以及之后更复杂、精度更高的多元回归模型，ARIMA模型，Kalman滤波模型等等；第二类是无数学模型的预测方法，包括非参数回归，谱分析法，基于小波理论的方法，神经网络方法等等。,研究问题,同为参数模型预测，单纯的截面数据或时间序列数据来预测有以下缺点： 第一，数据类型单一，预测的有效性不高； 第二，时间序列数据或横截面数据往往很难觉察交通流中存在的一些现象（效应
4、）； 第三，时间序列数据或横截面数据不能反映不同个体之间的相互关系； 第四，时间序列数据或横截面数据不能反映个体变异对整个系统的影响； 第五，时间序列数据或横截面数据构造的模型简单，分析预测的误差过大。,研究内容,数据特性分析：对给定的数据定性分析，研究其是否适合于面板数据分析 相关性分析： 如果适合面板数据分析，分析数据之间的相关程度 应用面板数据：建立面板数据模型；确定参数；回归确定参数；误差分析；应用反馈；修正参数 与其他方法进行对比分析,技术路线,学习面板数据的处理方法 学习和使用相关性分析工具分析相关性 学习和使用面板数据处理工具对数据进行分析处理，建立和求解参数模型 应用模型进行预
5、测，检验模型的有效性，分析误差 学习和比较其他方法,研究成果,基于面板数据的交通流预测模型 毕业论文,进度安排,2010.12 查阅文献，完成选题报告和 文献综述； 2011.1 完成课题的基础理论研究； 2011.1-2011.3 中期研究，完成中期报告； 2011.3-2011.6 后期研究，完成论文； 2011.6 论文答辩,参考文献,汪朝晖，线性面板数据模型及其实证分析，湖南师范大学，2007.3 陈海燕，面板数据模型分析及应用，天津大学管理学院，2006.12 武大勇，计量经济学中的面板数据模型分析，华中科技大学，2006.10 钱晓烨、迟巍、黎波，人力资本对我国区域创新及经济增长的影响，清华大学经济管理学院，2010 范鲁明，基于非参数回归的短时交通流量预测，天津大学管理学院，2007.6 殷礼胜，交通流量时间序列混沌特性分析及预测研究，重庆大学自动化学院，2007.9 唐新来、李春贵、王萌、张增芳，基于混沌粒子群算法的神经网络短时交通流预测，广西工学院，2010 卢宇、贺国光，一种新的交通流混沌实时判定方法，天津大学，2006.10,谢谢！,
