学位论文 > 优秀研究生学位论文题录展示
基于改进的非参数回归交通流量预测方法
作 者: 刘祥
导 师: 石晓龙
学 校: 华中科技大学
专 业: 系统工程
关键词: 短时交通流量预测 非参数回归 贝叶斯分类器 变K值算法
分类号: F570
类 型: 硕士论文
年 份: 2011年
下 载: 35次
引 用: 0次
阅 读: 论文下载
内容摘要
全球各大中城市遇到的交通问题日益严峻,于此同时,现有的智能交通系统在缓解交通问题中起到日益显著的作用,智能交通系统受到了广泛的关注。其中的交通流量控制与诱导系统直接作用于道路,可以最为直接的缓解交通拥堵问题。要使交通流量控制与诱导系统能够良好的发挥作用,精确、实时的交通流量预测信息至关重要。由路网与车辆直接组成的交通系统具有极大的非线性、复杂性和不确定性。现有的交通流量预测方法,不管是在预测的实时性还是在预测的精度上,与实际需求均存在一些差距,不能满足现阶段智能交通系统的需求。本文在考察了几种常用的交通流量预测方法后,对其中的非参数回归方法提出了一些改进。具体来说,本文主要对传统的非参数回归预测方法提出了两方面的改进:采用贝叶斯网络方法对交通流状态进行分类,通过分类,降低非参数回归方法中寻求近邻子集所需要的搜索时间,大大降低了运算时间,提高算法实时性;使用贝叶斯网络对交通流状态进行分类后,对不同类别交通流状态,采用不同的K值进行K近邻非参数回归算法进行预测,以提高算法精度。通过对改进的非参数回归算法进行仿真证明了算法的有效性。仿真结果显示,改进的非参数回归方法比传统方法在算法实时性与算法精度上均有所提升。改进算法有助于使智能交通系统更好的发挥作用,应对交通问题带来的压力,减少交通问题带来的巨大经济损失。
|
全文目录
摘要 4-5 Abstract 5-8 1 绪论 8-24 1.1 课题研究背景 8-11 1.2 交通流研究概述 11-22 1.3 交通流量预测研究目的及意义 22 1.4 存在问题及改进思路的提出 22-23 1.5 本文组织结构 23-24 2 贝叶斯网络概述 24-29 2.1 贝叶斯网络数学基础 24-25 2.2 贝叶斯分类器 25-26 2.3 贝叶斯网络的训练 26-29 3 非参数回归的交通流量预测方法 29-36 3.1 非参数回归方法原理 29-30 3.2 非参数回归方法有效性 30-32 3.3 非参数回归方法适用条件 32-33 3.4 非参数回归方法在交通流量预测的应用 33-36 4 基于贝叶斯分类的变K 值非参数回归预测 36-47 4.1 基于贝叶斯分类的改进 36-41 4.2 采取变K 值的改进K 近邻算法 41-45 4.3 基于贝叶斯分类的变K 值非参数回归预测流程 45-47 5 算法仿真实现与分析 47-56 5.1 交通道路仿真 47-51 5.2 贝叶斯网络的建立及分类 51-52 5.3 变K 值的设定 52-53 5.4 算法实现与结果比较 53-56 6 总结与展望 56-58 6.1 全文总结 56 6.2 研究展望 56-58 致谢 58-59 参考文献 59-63 附录一 攻读硕士学位期间发表的学术论文 63-64 附录二 攻读硕士学位期间参加的科研项目 64
|
相似论文
- 视频数据中人体动作的分类研究,TP391.41
- 贝叶斯分类算法的研究与应用,TP18
- 面向工程监理的多Agent信息智能检索机制研究,TP391.3
- 基于非参数回归的短时交通流预测系统设计,U491.112
- 半监督学习中协同训练与多视图方法的比较及改进,TP18
- 基于增量改进贝叶斯领域问句分类研究,TP391.3
- 基于数据挖掘技术的证券投资研究,F224
- Bootstrap方法在实物期权定价中的应用,F830.91
- 线性过程误差下非参数模型的经验似然,O212.7
- 基于GPU的图像粒子拟合及分类算法研究及应用,TP391.41
- 缺失数据情形非参数回归函数的估计,O212.1
- 交通事故非参数预测研究,U491.31
- 基于Copula理论的两种分类算法研究,TP181
- 基于最优分割策略的高性能文本分类方法,TP18
- 基于灰度差投影与贝叶斯分类器的表情识别研究,TP391.41
- 基于非参数统计方法的人工神经网络研究与讨论,TP183
- 贝叶斯网络中不确定性知识推理算法及其应用研究,TP183
- 信息识别与分类中的信号处理算法研究,TP391.41
- 文档模型在舆情信息系统中的设计与应用,TP311.52
- 基于模式识别和集成学习的电力系统暂态稳定评估,TM712
中图分类: > 经济 > 交通运输经济 > 城市交通运输经济 > 城市交通运输经济理论
© 2012 www.xueweilunwen.com
|