資源描述:
《基于k近鄰非參數(shù)回歸的短時(shí)交通流預(yù)測(cè)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(kù)。
1、碩士學(xué)位論文MASTERTHESIS論文題目基于K近鄰非參數(shù)回歸的短時(shí)交通流預(yù)測(cè)算法研究學(xué)科專業(yè)通信與信息系統(tǒng)學(xué)號(hào)20122101〇5〇3作者姓名~林川~~~指導(dǎo)教師冷甦鵬教授獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知,除了文中特別加以標(biāo)注和致謝的地方外,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)均已在論文中作了明確的說明并表示謝意。作者簽名
2、:M>j__________日期:yd年6月%曰論文使用授權(quán)本學(xué)位論文作者完全了解電子科技大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定,有權(quán)保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤,允許論文被查閱和借閱。本人授權(quán)電子科技大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索,可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。(保密的學(xué)位論文在解密后應(yīng)遵守此規(guī)定)作者簽名:松導(dǎo)師簽名:日期:年&月%日分類號(hào)密級(jí)注1UDC學(xué)位論文基于K近鄰非參數(shù)回歸的短時(shí)交通流預(yù)測(cè)算法研究林川指導(dǎo)教師冷甦鵬教授電子科技
3、大學(xué)成都申請(qǐng)學(xué)位級(jí)別碩士學(xué)科專業(yè)通信與信息系統(tǒng)提交論文日期2015.3.26論文答辯日期2015.5.18學(xué)位授予單位和日期電子科技大學(xué)2015年6月答辯委員會(huì)主席評(píng)閱人注1:注明《國(guó)際十進(jìn)分類法UDC》的類號(hào)。SHORT-TERMTRAFFICFLOWPREDICTIONALGORITHMBASEDONK-NEARESTNEIGHBORAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:Comm
4、unicationandInformationSystemsAuthor:ChuanLinAdvisor:ProfessorSupengLengSchool:SchoolofCommunication&InformationEngineering摘要摘要隨著交通擁堵問題的日益嚴(yán)重,智能交通系統(tǒng)因?yàn)槟軌蛴行У亟鉀Q交通擁堵問題而受到廣泛地關(guān)注。智能交通系統(tǒng)中最重要的部分是交通流量控制系統(tǒng)。交通流量控制系統(tǒng)可以監(jiān)測(cè)交通流量,協(xié)同交通資源,避免交通大面積擁堵。而交通流量控制系統(tǒng)的關(guān)鍵是短時(shí)交通流的信息采集、信
5、息分析和預(yù)測(cè)。本文考察了幾種常見的短時(shí)交通流預(yù)測(cè)方法。闡述了其中的K近鄰非參數(shù)回歸算法解決短時(shí)交通流預(yù)測(cè)的實(shí)用性。本文討論了K近鄰非參數(shù)回歸預(yù)測(cè)算法的數(shù)學(xué)原理和實(shí)現(xiàn)步驟,并將其應(yīng)用到首都機(jī)場(chǎng)的出租車和出租車乘客流量預(yù)測(cè)中。K近鄰非參數(shù)回歸預(yù)測(cè)算法作為非參數(shù)方法的一種,也存在一些問題,限制了它的實(shí)際應(yīng)用。K近鄰非參數(shù)回歸預(yù)測(cè)算法的主要缺陷是:因?yàn)橛绊懡煌髁康囊蛩剌^多,同時(shí)對(duì)原始數(shù)據(jù)的預(yù)處理不足,造成狀態(tài)向量的分量過于簡(jiǎn)單或過于復(fù)雜,同時(shí)也造成歷史數(shù)據(jù)庫(kù)結(jié)構(gòu)的不合理,最終導(dǎo)致匹配過程耗時(shí)過多。由于對(duì)原始
6、數(shù)據(jù)不加分類,并且所有流量模式采用單一K值,導(dǎo)致對(duì)當(dāng)前流量模式的誤判而加大預(yù)測(cè)誤差。本文針對(duì)這些缺陷,對(duì)算法提出了一些改進(jìn)措施。改進(jìn)的主要措施有:(1)引入主成分分析和聚類分析,對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理,主成分分析法可以降低算法中的狀態(tài)向量的維數(shù),同時(shí)也消除狀態(tài)向量分量之間的相關(guān)性。聚類分析將原始數(shù)據(jù)進(jìn)行分類,將原始數(shù)據(jù)中的各種流量模式聚集在一起,改變?cè)紨?shù)據(jù)密度不均勻的狀態(tài)。(2)創(chuàng)建具有快速搜索能力的歷史數(shù)據(jù)庫(kù)。首先將原始數(shù)據(jù)、聚類中心點(diǎn)數(shù)據(jù)、近鄰數(shù)據(jù)分開存放。同時(shí)將聚類中心點(diǎn)數(shù)據(jù)映射成一維數(shù)據(jù),并單
7、獨(dú)存儲(chǔ),以提高搜索效率。(3)采用變K值策略。恒定K值并不適合所有的流量模式,會(huì)大概率地造成誤判,加大誤差。對(duì)不同流量模式,即不同的聚類,采用不同的K值可以減小預(yù)測(cè)誤差。(4)加入反饋機(jī)制。通過將誤差線性地加載在距離度量準(zhǔn)則中的系數(shù)上來調(diào)節(jié)非參數(shù)回歸預(yù)測(cè)模型,減小誤差。本文最后對(duì)改進(jìn)的算法進(jìn)行了仿真實(shí)現(xiàn),結(jié)果表明改進(jìn)之后的算法的耗時(shí)和預(yù)測(cè)誤差都明顯優(yōu)于改進(jìn)前的算法。關(guān)鍵詞:短時(shí)交通流量預(yù)測(cè),K近鄰,主成分分析,聚類分析,誤差反饋機(jī)制IABSTRACTABSTRACTWiththetrafficcong
8、estionproblemgettingworse,atthesametimetheintelligenttransportationsystemcaneffectivelysolvethetrafficcongestionandreceivesextensiveattention.Themostimportantpartofintelligenttransportationsystemsisthetrafficflowcontrolsystem.Tra