基于支持向量机的高速公路交通量预测研究

论文摘要

交通量的预测是提高交通运输管理水平、降低运输成本的重要手段之一,同时也是进行交通状况评价、路网规划、线路改造以及工程建设项目可行性分析的基础。因此,研究高速公路交通量预测具有重要的意义。本文在深入分析比较各种交通量预测方法的基础上,研究了利用支持向量机进行交通量预测方法并进行了实际应用。首先,对收费站出口数据进行了数据预处理,使之转化为预测分析数据集。然后,深入的研究了灰色理论预测方法和神经网络预测方法,并使用这些方法对现有数据集进行对比预测。重点研究了支持向量机预测模型的建模方法,包括数据归一化、核函数选择、模型参数选择等,建立了基于支持向量机的交通量预测模型,对西潼高速公路的渭南西与渭南东两站间的路段进行了交通量预测,平均误差率仅为2.5%。最后对基于支持向量机交通量预测软件进行了详细设计。预测结果表明,支持向量机用于交通量的预测是可行及有效的。所研究的支持向量机预测模型在陕西省公路资源整合项目的“综合分析决策支持系统”中得到了应用。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题背景及研究意义
• 1.2 国内外研究现状
• 1.2.1 交通量预测发展现状
• 1.2.2 支持向量机研究现状
• 1.3 主要内容以及论文结构
• 第二章 交通收费数据的采集和预处理
• 2.1 陕西省联网收费原始数据
• 2.1.1 出口站数据
• 2.1.2 路网结构
• 2.2 陕西省收费数据采集
• 2.3 陕西省收费数据预处理
• 2.4 收费数据的日平均交通量转换
• 2.4.1 MADT的计算
• 2.4.2 当量换算
• 2.4.3 目标数据集
• 2.5 本章小结
• 第三章 交通量预测方法研究
• 3.1 传统交通量预测方法
• 3.1.1 时间序列预测方法
• 3.1.2 交通量组合预测法
• 3.2 灰色预测方法
• 3.2.1 交通量灰色预测模型的建立
• 3.2.2 西潼高速交通量灰色预测
• 3.3 BP神经网络预测方法
• 3.3.1 BP神经网络原理
• 3.3.2 交通量BP神经网络预测模型设计
• 3.3.3 西童高速交通量BP神经网络预测
• 3.4 RBF神经网络预测方法
• 3.4.1 RBF神经网络基本原理
• 3.4.2 交通量RBF神经网络预测模型的设计
• 3.4.3 西潼高速交通量RBF神经网络预测
• 3.5 本章小结
• 第四章 基于支持向量机的预测模型研究
• 4.1 支持向量机的理论基础
• 4.1.1 统计学习理论
• 4.1.2 支持向量机原理
• 4.1.3 支持向量机回归
• 4.2 支持向量机交通量预测模型的设计
• 4.2.1 样本预处理
• 4.2.2 核函数的选择
• 4.2.3 模型参数选择算法
• 4.3 西潼高速支持向量机预测
• 4.3.1 样本的采集及预处理
• 4.3.2 核函数及参数的选择
• 4.3.3 预测结果及分析
• 4.4 各种方法预测对比
• 4.5 本章小结
• 第五章 基于支持向量机的交通量预测的系统设计
• 5.1 系统概要设计
• 5.2 高速公路交通量预测模块
• 5.2.1 用户界面设计
• 5.2.2 数据库设计
• 5.2.3 程序算法设计
• 5.3 本章小结
• 总结与展望
• 参考文献
• 附录
• 致谢