分享到:

基于集成神经网络的城市道路交通流量融合预测研究

随着经济的发展和社会的进步,交通问题日益突出。作为有效解决现有道路交通问题的途径,发达国家正在竞相研究智能运输系统(ITS)。ITS将成为21世纪现代化地面交通运输体系的发展方向,是交通运输进入信息时代的重要标志。以交通流量为重要内容的道路交通信息是所有ITS项目不可缺少的基础,准确地预测交通流量是ITS的关键所在,也是交通流诱导研究的重要环节。交通流量是一个时变的非线性系统,其内部变量、输入变量众多,结构复杂。采用部分因素和指标或单个的模型仅能体现系统的局部,多个变量的科学综合、多种数据或多个模型的有效融合能够显著提高预测精度和模拟效果。基于此,本文提出了基于集成神经网络的城市道路交通流量的融合预测模型。该融合预测模型和传统的预测方法相比,既不是单一的数据预测方法的运用,也不是对单一预测数据的使用,更不是对这些方法和数据的简单组合,而是包括从拓展数据源到选择有效的预测方法,再到方法和数据的融合。该模型一方面提高了预测的准确性,  (本文共113页) 本文目录 | 阅读全文>>

东南大学
东南大学

基于集成学习的交通状态预报方法研究

随着汽车保有量的迅速增加,有限的道路资源和不断增长的汽车数量之间的供需矛盾变得越来越尖锐,导致交通供给与交通需求之间难以平衡。这直接导致了各大中城市交通环境的不断恶化,交通拥堵日益严峻,交通控制与诱导是应对城市交通问题的重要手段,实现交通控制与诱导的关键问题之一就是实时准确的交通状态预报。如何准确检测交通事件、如何实时判别交通状态以及如何精确高效地预测交通状态,一直是智能交通研究领域的重点。本文依托国家863计划课题“大城市区域交通协同联动控制关键技术”中的子课题“面向出行行为的区域交通智能分析与多模态控制技术”,围绕集成学习技术,开展交通事件自动检测、交通状态自动判别及短时预测方法研究。论文分析了四种交通状态模式分类的方法,包括基本图法、三相交通流法、服务水平法以及集成学习法。在已有交通流状态模式划分的基础上,重点阐述了集成学习中的聚类分析法和距离度量法。交通状态是通过交通流数据来体现的,交通流数据主要包含参数速度、流量和占有...  (本文共155页) 本文目录 | 阅读全文>>

重庆大学
重庆大学

交通流量时间序列混沌特性分析及预测研究

交通流诱导系统是目前公认的提高交通效率和机动性的最佳途径,而实现交通流诱导系统的关键和前提是交通流量时间序列的预测,因此,实时准确的交通流量时间序列预测成为智能化交通系统的热点研究问题之一。由于交通流量运行的高度非线性、复杂性和不确定性,使得传统的交通流量时间序列预处理技术不能取得令人满意的效果。研究以非线性为特征的混沌理论被称为20世纪自然科学的第三次大革命,这给交通流时间序列混沌特征的提取提供了科学的依据。在交通流量时间序列预测方面,经典的预测技术不具备自适应和自学习的能力,人工神经网络具有高度非线性、自组织、自适应、容错性及实时性等特点,可以很好的解决交通领域内的非线性问题。本论文在重庆市科委自然科学基金重点项目“城市交通路网拥堵动态预警与疏导决策技术研究”(项目编号:CSTC 2006BA6016)的支持下,在分析相空间重构理论和时间序列的混沌特征基础上,对交通流量时间序列进行了混沌特征提取的预处理,并在此基础上结合神经...  (本文共133页) 本文目录 | 阅读全文>>

北京邮电大学
北京邮电大学

基于数据挖掘技术的交通流量分析与预测

在机动车数量不断突破新高的大背景下,交通拥堵已成为制约社会发展的重大问题。如果能准确预测路网中各路口的交通流量,相关部门则可以制定更有针对性的疏导措施,从而全方位提升路网利用率,缓解交通拥堵问题。近些年,数据挖掘技术取得了重大进展,该技术与交通流量预测场景的结合令人憧憬。本文基于数据挖掘技术,对交通流量进行分析和预测。第一,以聚类技术为切入点,提出交通流量模式挖掘方法。综合考虑轮廓系数、Calinski-Harabaz 指数和 Davies-Bouldin 指数,利用 K-Means 和Agglomerative Clustering算法确定交通流量模式个数,将交通流量模式分为单峰和双峰两种类型,验证得出节假日与工作日分别对应不同的流量模式,并根据模式对数据集划分,再进行预测。第二,对应不同的原始数据,分别提出基于深度学习的流量预测模型。其一,在仅提供单监测站信息时,传统循环神经网络无法处理交通信息拼接后的无时序性。为了解决这一...  (本文共68页) 本文目录 | 阅读全文>>

山东大学
山东大学

基于交通流量相似性和差异性的道路拥堵预测研

近年来,世界经济发展迅速,但是很多国家的交通设施的建设速度都不及机动车增长速度,导致交通拥堵问题愈演愈烈。交通拥堵会造成极大的时间浪费和经济浪费,也会造成空气污染、噪音污染等等问题,因此研究如何缓解交通拥堵很有必要。随着科技的进步,硬件水平的提高,数据科学有了越来越广泛的应用,于是有研究者尝试使用数据科学的方法缓解交通拥堵,其中较重要的方式就包括交通流量预测和交通拥堵预测。然而大部分使用了交通流量序列的研究者都直接关注了原始的交通流量序列,并没有考虑交通流量蕴含的相似性和差异性。我们发现利用这两种性质可以提高模型的精确度,所以本文进行了基于交通流量相似性和差异性的道路拥堵预测研究。本文首先利用数据分析了交通流量数据的相似性和差异性,接下来利用这两种性质提出“基于交通流量变化度的路网拥堵状态评估模型”和“基于偏移拆分预测的交通拥堵预测模型”。在“基于交通流量变化度的路网拥堵状态评估模型”中,交通流量变化度是一个衡量路网拥堵状态变化...  (本文共73页) 本文目录 | 阅读全文>>

哈尔滨理工大学
哈尔滨理工大学

基于大数据的交通流量模式分析研究

随着我国经济的迅猛发展和城镇化进程的飞速推进,国民生活水平快速提高的同时,城市交通系统面临着日益尖锐的车路矛盾。而城市交通流量模式统计分析是智慧交通系统的重中之重,对交通控制决策、路网资源配给具有重要意义。针对城市道路交通汽车流量时空分布严重不均、难以预测、极易引发交通拥堵等问题,结合模式识别与大数据挖掘技术,提出分析挖掘城市车辆交通日常出行模式的研究方法。首先基于OpenCV跨平台计算机视觉库,结合机器学习的算法,对车辆牌照信息图像进行预处理、车牌定位、字符分割。对卷积神经网络(CNN)的图像识别算法与传统机器学习算法进行分析研究,提出基于卷积神经网络算法的字符识别方法,提高了字符识别的计算速度与准确率。其次通过大数据挖掘方法,对城市车流量时空规律进行关联性分析,结合Apriori挖掘算法与Hadoop分布式处理框架,设计了基于Hadoop的并行化Apriori算法,对季节变换中出行规律的相似性进行关联挖掘;设计了基于Hado...  (本文共66页) 本文目录 | 阅读全文>>

南京航空航天大学
南京航空航天大学

基于无人机的交通流量检测系统的研究与实现

智慧城市,智能交通已成为未来发展趋势。随着近年来无人机技术和计算机视觉技术快速发展,无人机被尝试应用于城市道路交通管理之中。本文对无人机车流量视频自动检测和分析进行了深入的研究与实现。本文工作主要分为如下几个部分:首先,针对无人机拍摄视频普遍存在的两类问题:光照变化问题和视频抖动问题,提出了对原始视频进行预处理的方案。针对光照变化问题,提出了通过多通道直方图匹配方案来解决,以得到光照条件恒定的视频;针对视频抖动问题,提出了筛选的ORB特征点匹配变换方案来进行位置配准,以得到图像位置稳定的视频。其次对车辆计数进行研究。设计了车辆特征提取方法并使用时序直方图来进行车辆计数。针对时序直方图中容易带来的车窗效应问题和行人、非机动车等干扰问题,设计了抗干扰的特征时序直方图的车流量计数算法。实验结果表明,该算法能够有效排除车窗、行人、非机动车等干扰,得到较精确的车流量计数统计。然后对车辆信息统计进行研究。针对光流点跟踪容易出现的问题,提出了...  (本文共67页) 本文目录 | 阅读全文>>