城市道路网短时交通流预测的特征研究开题报告

 2021-08-08 00:45:38

全文总字数:2849字

1. 研究目的与意义

研究目的:通过对城市道路网短时交通流预测的特征研究,对比不同特征下的交通流预测,从而得到在不同预测方法下,使得结果较精确的特征值。

研究意义:研究这些基础的参数条件和适用预测类型,可以从较为基本的方面优化预测模型,提高模型预测的准确性,为一些条件的选择和输入提供范围,从而为短时预测模型的深入研究提供基础。

2. 国内外研究现状分析

目前,全球科研工作者们提出的短时交通流预测方法已经超过了200种。当前主要模型分类有统计预测模型、人工智能及其组合预测模型、非线性系统理论预测模型和其它预测模型。

一是统计预测模型。统计预测模型多种多样,一般有一元线性回归模型、自回归积分滑动平均法模型(arima)、k最近邻算法模型、移动平均模型、markov模型、灰色预测模型、状态空间模型、卡尔曼滤波模型等等。1979年,ahmaed mohamed s[1]等人首次用自回归移动平均法来预测高速公路上的短时交通量数据。2006年,cetin mecit [2]等人则提出了一种考虑流突变情况而且包含两种交通事件监测算法的交通预测模型自回归求和滑动平均法。1984年,iwao okutani[3]等人提出了基于卡尔曼滤波理论的交通流预测模型。

二是人工智能组合预测模型。神经网络模型通过模仿人的大脑,把神经元进行数学标准化,然后用建模的方式表达参数的各种特征,并将其按照相异的方式联接。1993 年,人工神经网络被首次引入交通流预测领域。如今各式各样的神经网络模型数不胜数,而且还与其它模型重新结合,使神经网络由一个简单的模型发展到了计算智能的新阶段。例如结合蚁群算法、灰色理论、小波分析、非参数回归、数据挖掘等。2015年,moretti f[4]等通过统计和神经网络进行集成混合建模建立了城市交通流预测模型。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究的基本内容与计划

研究内容:

1、现有短时预测模型的特征分析和类型划分

浏览国内外关于预测方法的文献,总结现有的城市短时交通流预测已提出的理论和方法,总结并进行相关的特征分析。

2、短时预测模型的预测周期长度特征研究

总结不同的预测周期长度,采集数据,运用不同的周期长度划分验证预测结果,获得较优预测周期。

3、短时预测模型的输入数据规模特征研究

总结对比城市道路不同的数据规模,以及数据历史倒推的时间,采集数据,验证预测精度。

4、短时预测模型的预测对象特征研究

总结现存的不同预测,如交通量、密度、速度等,通过控制变量的方法来对比不同对象,不同时段,不同方式,不同输入的差异。

研究计划:

1、查阅相关文献资料,总结现有短时预测模型的特征和类型。

2、通过几种具有代表性的短时交通流预测方法,进一步研究其特征并进行划分。

3、数据采集。通过实地调查的方法采集大量相关道路数据。

4、通过实际数据对不同预测方法的验证,进一步进行特征研究。

5、进行归纳整理和论文撰写。

具体时间安排:

1、2019年1月中---2019年2月初

查阅相关文献,编写开题报告

2、2019年2月初---2019年3月初

拟定论文大纲,查阅文献,掌握相关预测方法,计划安排数据采集事项

3、2019年3月初---2019年3月中

进行数据采集以及具体研究

4、2019年3月中---2019年4月中

进行数据采集以及具体研究,整理论文内容与相关数据,进行论文中期审查

5、 2019年4月中---2019年5月初

继续修改论文,并提交论文准备答辩

4. 研究创新点

本项研究是通过对城市道路网短时交通流预测的特征研究,来对比不同特征下的交通流预测精度,从而得到在不同预测方法下,结果较精确的特征值。本项研究的几个特征值,属于较为基础的几个参数。现在已经拥有许多短时交通流预测方法,但是对一些参数的给定与选择却不太可考。本次研究的特色与创新在于,总结与归纳不同的交通流短时预测方法,并找寻不同方法所对应的特征值选取范围,以及预测类型选取,以提高预测的精确性和适宜性。希望通过本次研究,可以在这种基础的数据输入和选择上,通过对比论证,给予一些理由支撑。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。