论文摘要
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。
论文目录
相关论文文献
- [1].基于深度学习的短时道路交通流量预测研究[J]. 软件 2020(05)
- [2].独立分量分析在短期交通流量预测中的应用[J]. 计算机应用研究 2020(S1)
- [3].船舶航道交通流量预测系统构建研究[J]. 舰船科学技术 2019(02)
- [4].考虑周期性波动因素的船舶交通流量预测模型[J]. 大连海事大学学报 2016(04)
- [5].基于改进粒子群算法的交通流量预测研究[J]. 电子设计工程 2017(06)
- [6].遗传算法优化支持向量机的交通流量预测[J]. 激光杂志 2014(12)
- [7].云技术在高速公路交通流量预测中的应用研究[J]. 智富时代 2015(S1)
- [8].基于支持向量机的高速短时交通流量预测[J]. 工程与建设 2020(02)
- [9].基于改进小波神经网络的短时交通流量预测研究[J]. 四川理工学院学报(自然科学版) 2015(06)
- [10].小波支持向量机在交通流量预测中的应用[J]. 计算机仿真 2011(07)
- [11].改进非参数回归在交通流量预测中的应用[J]. 重庆交通大学学报(自然科学版) 2008(01)
- [12].基于时空特征挖掘的交通流量预测方法[J]. 计算机科学 2019(07)
- [13].基于改进极限学习机的短时交通流量预测[J]. 现代计算机(专业版) 2018(14)
- [14].基于模糊理论的城市道路短时交通流量预测研究[J]. 公路工程 2016(01)
- [15].基于高斯核函数的短时交通流量预测[J]. 中央民族大学学报(自然科学版) 2013(S1)
- [16].基于图卷积神经网络的交通流量预测[J]. 智能计算机与应用 2019(06)
- [17].基于云模型随机特性的路口交通流量预测模型构建[J]. 人类工效学 2016(06)
- [18].基于相关向量机的交通流量预测[J]. 河北北方学院学报(自然科学版) 2016(05)
- [19].基于遗传算法优化支持向量机的交通流量预测[J]. 微电子学与计算机 2010(10)
- [20].基于组合模型的交通流量预测研究[J]. 物流工程与管理 2017(01)
- [21].基于小波神经网络的交通流量预测[J]. 科技创新与应用 2016(25)
- [22].智能算法在短时交通流量预测中的应用[J]. 交通建设与管理 2014(20)
- [23].探讨交通流量预测的几种方法[J]. 吉林建筑工程学院学报 2010(05)
- [24].基于深度学习的交通流量预测研究[J]. 计算机工程与应用 2019(02)
- [25].港口船舶交通流量预测[J]. 大连海事大学学报 2009(03)
- [26].基于灰色马尔科夫模型的波动性交通流量预测[J]. 森林工程 2015(01)
- [27].引入果蝇优化算法的最小二乘支持向量机交通流量预测[J]. 电子测量技术 2018(16)
- [28].基于主成分分析和支持向量机的道路网短时交通流量预测[J]. 吉林大学学报(工学版) 2008(01)
- [29].基于非凸低秩稀疏约束的船舶交通流量预测[J]. 计算机应用研究 2018(01)
- [30].交通大数据环境下短时交通流量预测研究[J]. 铁道运输与经济 2018(08)
标签：短时交通流量预测论文; 非参数回归论文; 贝叶斯分类器论文; 变值算法论文;