資源描述：
《基于時(shí)間序列模型的短時(shí)交通流預(yù)測(cè)的研究與應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、代號(hào)10701學(xué)號(hào)1103121696分類號(hào)U491.1密級(jí)公開題（中、英文）目基于時(shí)間序列模型的短時(shí)交通流預(yù)測(cè)的研究與應(yīng)用StudyandApplicationofShort-termTrafficFlowForecastBasedonDataMiningTechnologyForecastBasedonTimeSeriesModel作者姓名楊元元指導(dǎo)教師姓名、職稱王保保教授學(xué)科門類工學(xué)學(xué)科、專業(yè)計(jì)算機(jī)應(yīng)用技術(shù)提交論文日期二○一四年三月萬方數(shù)據(jù)萬方數(shù)據(jù)西安電子科技大學(xué)學(xué)位論文獨(dú)創(chuàng)性（或創(chuàng)新性）聲明秉承學(xué)校嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和優(yōu)良的科學(xué)道德，本人聲明所呈交的論文是我個(gè)人在導(dǎo)師指
2、導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝中所羅列的內(nèi)容以外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果；也不包含為獲得西安電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中做了明確的說明并表示了謝意。申請(qǐng)學(xué)位論文與資料若有不實(shí)之處，本人承擔(dān)一切的法律責(zé)任。本人簽名：日期西安電子科技大學(xué)關(guān)于論文使用授權(quán)的說明本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間論文工作的知識(shí)產(chǎn)權(quán)單位屬西安電子科技大學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)印件，允許查閱和借閱論文；學(xué)
3、?？梢怨颊撐牡娜炕虿糠謨?nèi)容，可以允許采用影印、縮印或其它復(fù)制手段保存論文。同時(shí)本人保證，畢業(yè)后結(jié)合學(xué)位論文研究課題再撰寫的文章一律署名單位為西安電子科技大學(xué)。（保密的論文在解密后遵守此規(guī)定）本學(xué)位論文屬于保密，在年解密后適用本授權(quán)書。本人簽名：日期導(dǎo)師簽名：日期萬方數(shù)據(jù)摘要隨著城市化的快速發(fā)展，城市機(jī)動(dòng)車數(shù)量飛速上升，城市交通的供需矛盾日益緊張。當(dāng)今，解決交通問題的有效途徑之一就是建設(shè)智能交通系統(tǒng)。交通預(yù)測(cè)作為這一智能系統(tǒng)的關(guān)鍵技術(shù)，是交通誘導(dǎo)及交通控制的前提和關(guān)鍵。本文結(jié)合實(shí)際道路交通狀況特征，采用兩種方法對(duì)交通流進(jìn)行預(yù)測(cè)，分別是：移動(dòng)平均法和指數(shù)平滑法。其中主要
4、使用了二次移動(dòng)平均法、一次指數(shù)平滑法和二次指數(shù)平滑法，并對(duì)二次指數(shù)平滑法進(jìn)行了改進(jìn)，提高了預(yù)測(cè)精度。本文主要工作如下：第一，為了提高預(yù)測(cè)精度，利用歷史趨勢(shì)法和相鄰補(bǔ)齊法修復(fù)了原始交通流數(shù)據(jù)中的丟失數(shù)據(jù)和錯(cuò)誤數(shù)據(jù)，然后對(duì)冗余數(shù)據(jù)進(jìn)行了約簡(jiǎn)，最后整合了多車道數(shù)據(jù)，得到該道路的總流量，以此作為該道路短時(shí)交通預(yù)測(cè)的基礎(chǔ)數(shù)據(jù)。第二，根據(jù)交通流數(shù)據(jù)較強(qiáng)的時(shí)間關(guān)聯(lián)性這一特點(diǎn)，本文使用時(shí)間序列模型中的二次移動(dòng)平均法、一次指數(shù)平滑法和二次指數(shù)平滑法對(duì)交通流進(jìn)行了預(yù)測(cè)并進(jìn)行了誤差分析，結(jié)果表明，二次指數(shù)平滑法預(yù)測(cè)精度較高。第三，通過公式推導(dǎo)，對(duì)二次指數(shù)平滑法的線性預(yù)測(cè)模型進(jìn)行了簡(jiǎn)化；結(jié)合最
5、小二乘法原理，采用多項(xiàng)式擬合使預(yù)測(cè)值逼近真實(shí)值。實(shí)驗(yàn)結(jié)果表明，本文采用的改進(jìn)的二次指數(shù)平滑法進(jìn)一步提高了預(yù)測(cè)精度，并且預(yù)測(cè)結(jié)果與實(shí)際也比較吻合。關(guān)鍵詞:智能交通交通流預(yù)測(cè)時(shí)間序列數(shù)據(jù)預(yù)處理萬方數(shù)據(jù)萬方數(shù)據(jù)AbstractWiththerapiddevelopmentofurbanization,thenumberofvehiclesincreasedrapidlyinourcity.Thecontradictionbetweensupplyanddemandofurbantransportationisincreasinglyintensified.Intelligen
6、ttransportationsystemisaninternationallyrecognizedsettlementofthebestwaytosolvecitytrafficcongestion.Trafficflowprediction,akeytechnologyoftheintelligentsystem,isthepremiseandkeytotrafficflowinducingandcontrolling.Accordingtothecharacteristicsoftherealtrafficconditions,severaltimeseriesm
7、odelsareusedtoforecastshort-termtrafficflowincludingsecondmovingaveragealgorithm,singleexponentialsmoothingalgorithmandsecondaryexponentialsmoothingalgorithm.Thenanimprovedsecondaryexponentialsmoothingalgorithmisproposedinthispaper.Experimentsshowthatimprovedsecondaryexpo
