论文摘要：短时交通信息动态预测方法的研究与实现

近年来，随着交通信息服务系统的广泛应用，短时交通信息预测技术作为拥堵控制和路径诱导的基础条件，逐渐成为交通系统建设的核心问题和理论研究的热点。国内外的相关研究人员在交通流预测方面做了大量的工作，并提出了一些可行的预测方法和思想。然而，交通系统所具有的高度复杂性、随机性和不确定性，使得单一的预测模型难以达到很好的预测效果，尤其在交通信息短时预测领域，随着预测时间间隔的进一步缩短，交通参数的不确定性越来越强，要设计精度较高的数学模型也就越来越困难。本文结合浮动车交通服务系统对交通信息预测的实际需求，进行了短时交通信息动态预测方法的研究，提出了一种结合卡尔曼滤波模型和层次聚类理论的预测方法，在此基础上，设计并实现了短时交通信息预测系统。本文取得的主要成果如下：1)通过分析浮动车采集的交通信息数据，归纳了交通信息数据的特点，并进一步对交通信息异常数据进行分类，提出了交通信息数据预处理方法，完成不同种类的异常交通数据的清洗和预处理，为交通预测信息奠定了基础。2)在分析交通路网交通参数的特征的基础上，充分考虑交通数据的时间连续性及空间相关性，提出了一套以卡尔曼滤波为基础，并结合聚类分析理论的旅行时间预测方法。3)结合本文提出的预测模型，针对性地设计了一系列参数估计方法，提出了状态关系时空因素分离的思想，利用统计学理论，多角度训练模型的关键参数，并通过误差反馈机制，达到离线训练参数，动态修复模型的目的。4)设计并实现了交通信息预测系统，并用实际的浮动车数据对系统进行了准确性和性能的评测，证明了本文所研究并改进的预测方法具有较高的准确性，能够为动态导航系统提供实时预测服务。

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://87cpy.com/207492.html