基于ARIMA模型的智慧城市短时交通流预测研究开题报告

 2021-08-14 02:08

1. 研究目的与意义(文献综述)

1.1 研究目的及意义

随着当今社会的发展,未来城市将承载越来越多的人口。目前,我国正处于城镇化加速发展的时期,部分地区“城市病”问题日益严峻。为解决城市发展难题,实现城市可持续发展,建设智慧城市已成为当今世界城市发展不可逆转的历史潮流。所谓智慧城市,就是运用信息和通信技术手段感测、分析、整合城市运行核心系统的各项关键信息,从而对包括民生、环保、公共安全、城市服务、工商业活动在内的各种需求做出智能响应。其实质是利用先进的信息技术,实现城市智慧式管理和运行,进而为城市中的人创造更美好的生活,促进城市的和谐、可持续成长。

而交通系统是一个城市的重要枢纽系统,对于一个城市的发展而言至关重要,如果能做到对交通流的准确预测,必然会大大提高各方面的工作效率,从而实现城市的快速良好发展。作为智能交通系统(简称its)的核心之一,智能交通控制与诱导系统一直是its研究的热门课题。智能交通与诱导系统的关键技术是对城市道路交通状况的预测,即有效利用历史交通数据进行动态预测,为给出行者提供最佳行驶路线、均衡交通流、优化交通管理方案、改进交通控制等方面提供较可靠的依据。因此,对城市道路交通流量短时预测的研究具有重要意义。

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!

2. 研究的基本内容与方案

2.1研究的基本内容和目标

本文研究的主要内容是对智慧城市短时交通流的预测,短时交通流预测的关键是能够实时根据交通当前的情况选择最适合的预测模型进行预测,并能够根据预测的效果进行评判,不断改进预测的效果。一个准确、高效的交通流预测方法,应当能正确把握被预测过程及环境的变化,并能够及时调整模型的结构,使预测具有适应性。所以本文旨在提出一种适应性较强的模型,能够对交通状况做出实时预测,从而根据预测的交通状态信息实现交通流的诱导,以使道路使用者及时避开交通拥挤路段,达到道路资源利用的最大限度。

2.2拟采用的技术方案及措施

本文将收集相关的交通流量数据,在分析交通流量的时间、空间分布特征的基础上,深入分析国内外几种常用的交通流量短时预测方法,并指出了各种方法的优点、不足和适用条件。然后针对城市道路交通流量具有非线性、时变性等特点,以arima模型为主建立一个综合模型。arima模型是研究时间序列的重要方法,由自回归模型(简称ar模型)与滑动平均模型(简称ma模型)为基础“综合”而成。

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. 研究计划与安排

(1)1—3周:阅读季节性波动时间序列预测模型的相关书籍,查阅有关的研究论文资料,并完成一篇英文文献的翻译工作。

(2)4—5周:根据要求完成毕业论文的开题报告;选择实证分析所需的数据并进行数据处理。

(3)6—8周:利用有关统计分析软件系统对数据进行统计建模分析,并得到初步结果。

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!

4. 参考文献(12篇以上)

[1] 王伟平,董佑平. 短时交通流智能预测方法的研究,山东交通学院学报,2004,12(2):6-9

[2] 胡佩峰. 交通流量短时预测方法研究 北京交通大学硕士学位论文,2006.

[3] 夏冰,董菁,张佐. 相似特性下的交通流预测模型研究[j].公路交通科技,2003,12(2):73-76

[4] 刘静,关伟. 交通流预测方法综述,公路交通科技,2004,3

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。