資源描述：
《基于短時(shí)交通流預(yù)測(cè)的交通控制算法研究》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、摘要短時(shí)交通流預(yù)測(cè)是智能交通系統(tǒng)的一個(gè)重要組成部分，其實(shí)時(shí)性與準(zhǔn)確性直接關(guān)系到了交通控制與交通誘導(dǎo)的效果。因此，本文以如何提高短時(shí)交通流預(yù)測(cè)的性能為出發(fā)點(diǎn)，對(duì)傳統(tǒng)的短時(shí)交通流預(yù)測(cè)算法加以改進(jìn)，并且將改進(jìn)后的預(yù)測(cè)算法應(yīng)用到干線交通控制算法中，進(jìn)一步提高控制效果。論文主要內(nèi)容如下：1．利用實(shí)際的交通流數(shù)據(jù)，將非參數(shù)回歸短時(shí)交通流預(yù)測(cè)中傳統(tǒng)的核函數(shù)法與K鄰近法進(jìn)行仿真對(duì)比研究。并將K鄰近法加以改進(jìn)：通過引入前一時(shí)刻的交通流量來保證搜索到的歷史值與當(dāng)前值的切線方向是一致的，從而提高其預(yù)測(cè)的準(zhǔn)確性；通過引入C．means聚類算法組織龐
2、大的交通流歷史數(shù)據(jù)庫，使得K鄰近法只需在鄰近的類中搜索，從而大大減少了搜索時(shí)間，提高其預(yù)測(cè)的實(shí)時(shí)性。2．以長(zhǎng)安街的雙向干線交通為研究對(duì)象，利用分層遞階協(xié)調(diào)控制策略對(duì)其加以控制。設(shè)計(jì)相位差控制器為協(xié)調(diào)層控制器，周期和綠燈時(shí)間控制器為路口級(jí)控制器；在綠燈模糊控制器中引入短時(shí)交通流預(yù)測(cè)數(shù)據(jù)，解決了本周期的擁堵，到下一周期才能采取控制措施的滯后問題：在相位優(yōu)先控制的基礎(chǔ)上引入了切換技術(shù)，從而利用單向交通的控制策略解決了雙向交通問題。仿真研究表明短時(shí)交通流預(yù)測(cè)算法的引入提高了協(xié)調(diào)控制的性能。3．以JTC．2000路口信號(hào)機(jī)為控制對(duì)象，
3、搭建了多功能交通信號(hào)控制軟件平臺(tái)。該軟件可以通過上位機(jī)遠(yuǎn)程控制路口信號(hào)機(jī)，從而實(shí)現(xiàn)在線查詢和修改交通信號(hào)配時(shí)方案的功能；可將大量的路口交通參數(shù)以文本的方式進(jìn)行存儲(chǔ)，并且基于交通參數(shù)的歷史值進(jìn)行預(yù)測(cè)：利用SQL2005數(shù)據(jù)庫，實(shí)現(xiàn)交通控制案例的存儲(chǔ)與查詢功能；實(shí)現(xiàn)了基于案例推理(CBR)的案例的搜索、案例的復(fù)用、案例的修改、案例的存儲(chǔ)功能。論文最后對(duì)研究工作進(jìn)行了總結(jié)，并提出了今后需進(jìn)一步深入研究的問題。關(guān)鍵詞短時(shí)交通流預(yù)測(cè)；非參數(shù)回歸：干線協(xié)調(diào)控制；交通信號(hào)機(jī)；基于案例推理北京工業(yè)大學(xué)工學(xué)碩士學(xué)位論文AbstractShor
4、t-termtrafficflowforecastingisanimportantpartofITS，anditsaccuracyandreal-timeisdirectlyrelatedtotheeffectoftrafficcontrolandtrafficinduce．Sothispapertakeshowtoimprovetheshort-termtrafficflowforecastingperformanceasthestartingpoint，anddosomeimprovestothetraditionala
5、lgorithm．Thentheimprovedalgorithmisappliedtotheactualtrafficcontrolsystemtofurtherimprovethecontroleffect．Themajorworksareasfollowed：1．Byusingtheactualtrafficflowdata，thecomparativeexperimentshadbeendonebetweenkernelmethodandKNNmethodofnonparametricregression，andth
6、ensomeimprovementshadbeendonetotheKNNmethod：Toensurethesearchforthehistoricalvalueandcurrentvaluehavethesametangentialdirectionthroughtheintroductionofatimebeforethecurrentflow，SOthattheaccuracyoftheforecastingmethodhadbeenimproved；MakingtheKNNmethodonlysearchinthe
7、nearestclassthroughtheintroductionofC—meansclusteringalgorithmtoorganizehistoricaldatabaseoftrafficflow，whichgreatlyreducedthesearchingtime，SOthatthereal-timeperformanceoftheforecastingmethodhadbeenimproved．2．TakeChang’allStreetwhichisatwo—directionarterialstreetas
8、aresearchobjectbyusinglayeredcoordinatedcontrolmethod．Andthecycleandgreentimecontrollersareusedtocontrolthecrossroad，theoffsetcontrollerisusedtoc
