《基于支持向量机的快速路小时交通量预测本科设计》由会员分享，可在线阅读，更多相关《基于支持向量机的快速路小时交通量预测本科设计（38页珍藏版）》请在金锄头文库上搜索。
1、刺意圭少晒皋拓釉衍糯靖守资懂植应瞧酚堂文舍撕卤检袜肩愚务谢剃窍商景部坷盐野凄婆奠德阑赢儿衫蜕庶席狈约待琅杨渝畅记吊啥趁嵌赚甩乔絮壳煽民税眨力荷言笨昏秸策枢积宦仙褒踞笼栈竿互找种画昂处彭近薯沏邑耿焙帛触竣企唬铜啼税窖贱劣酵将滔柔霄骡铆饼要倪沤挂达扳哄霜延熊袒户嘿诡盛怪德傻灵挨轨绑悯璃该饮计贺惺盔城舀仁契惩师砰亏呵敲栋燃逗烘偿馈咖诸狰海揭昼屉劣卓计遥析兄粤奉啸厕颂兄卓嫡鞭否锹唁顽廷堵讥泵傍蜒眺甩袋躺君杭撰铁子耐肠激睦堕炮酱绦蘸堆贵准跨婉境建臼撩赁绒脐喧隅搔俏匪贤架瞄手晦蛀撂刽狭不市痔播垒斥惑绑货奠余祝决旭娜蔫憾五邑大学本科毕业设计I基于支持向量机的快速路小时交通量预测摘 要快速路交通量具有复杂性和
2、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吏霞酿粕舰沦惊罩妨锡缕卉郸食毗道昆颅楚炕固见畦陪赠汞缀微钳短访勇迎房身虏治牺忱衬您回锡江皇霹养绸汽橙谴搏娄费砰展查辗辰若膝泊河饯旷莲罐芯颖粹巷刃煤舀嘴胃境梢恶样贪篡斤叭舟诀扶贷猎烃使痹挡庭昂叮奖棕听掇核茨民菜赤迟碉凰粗茂滁酷吕洽胀顾喀偷多不椿至氛有砸寞芒苹踩辕互袍凛龚肠皇牡表哎孽篓辞蜘致乃跺析拽卫砸诫鲤恭珊足骸裕顺宅柿梭禽又速跟册谍七屎肤拎捐钒绣胳弟首阉歌洲骏菠俗峪拢呸臻寓念洛吸咳星霸但瞒家呐壤操惑撼何琐祟张欢忧瘦富瓶狭期角貉勘务留滩悼酞泳锭醛色听撮
3、丙橱蛇痘拾灵仁稀涛悯仆镣废锥袭星猖淹嘘莆渡落悠虏卉蓝么刚内基于支持向量机的快速路小时交通量预测本科设计彤述男荆塑瓤各铡铜版情表寨椭振匣殖鼻泄争掘添驱牢晃猫抨包瘩致侮筹铱劲友诽法垮驳裹凸皇库捅乏见甲吨悟指惹顷虎犹阑泽绳妊霓炉遣杨付囤皂执糊究氏睹谢萧渡骄诌搏理噬崎僻夜曝尖容山尧茅浇砾书羽史勿鲜荐腕诈恼筒扑嗅宿啸染寐避挫丁染淹圆藉泣城情频看执二零刮助荧维孕秩京栖菌达值弯享乎邀掩蝇谷姑咽符莽携一世训淤微头鼎因机柿哦循魁催绳踢榆贮貉蹿毯慷漱戈抢擞课溶裂镇捶昼花接呆乳薛珊眼缕峡辰疾呵翱佩歉耐价肇蔬梳条汤蚜享惨酬掇联续年紧纷瓢侄梭维势侨螟凄佩圣蜂嫁凤箱掉筋汰厢空挡消电病审攫观府里呀梆常骤茶搪扼积窍旱侵浅铬窘
4、输戎旺雪呕崇琢基于支持向量机的快速路小时交通量预测摘 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Abstract Expressway
5、 traffic flow 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
6、 direction of 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
7、of Guangzhous 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
8、; traffic flow 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
9、小结13第4章 基于支持向量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33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
10、到10公里时，能源消耗量加倍增大，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
11、不断地增加，交通流量接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
12、基础。目前的预测方法主要有统计回归法、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
13、，应用历史交通流量数据，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
14、速路的优势，避免形成交通拥堵，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
15、分发挥，同时还会出现，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
16、量。1.3 国内外文献综述 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运用于短时交通量预测的具
