基于集成學(xué)習(xí)的交通狀態(tài)預(yù)報(bào)方法研究.pdf

1、隨著汽車保有量的迅速增加，有限的道路資源和不斷增長的汽車數(shù)量之間的供需矛盾變得越來越尖銳，導(dǎo)致交通供給與交通需求之間難以平衡。這直接導(dǎo)致了各大中城市交通環(huán)境的不斷惡化，交通擁堵日益嚴(yán)峻，交通控制與誘導(dǎo)是應(yīng)對城市交通問題的重要手段，實(shí)現(xiàn)交通控制與誘導(dǎo)的關(guān)鍵問題之一就是實(shí)時(shí)準(zhǔn)確的交通狀態(tài)預(yù)報(bào)。如何準(zhǔn)確檢測交通事件、如何實(shí)時(shí)判別交通狀態(tài)以及如何精確高效地預(yù)測交通狀態(tài)，一直是智能交通研究領(lǐng)域的重點(diǎn)。
　　本文依托國家863計(jì)劃課題“大城市

2、區(qū)域交通協(xié)同聯(lián)動(dòng)控制關(guān)鍵技術(shù)”中的子課題“面向出行行為的區(qū)域交通智能分析與多模態(tài)控制技術(shù)”，圍繞集成學(xué)習(xí)技術(shù)，開展交通事件自動(dòng)檢測、交通狀態(tài)自動(dòng)判別及短時(shí)預(yù)測方法研究。
　　論文分析了四種交通狀態(tài)模式分類的方法，包括基本圖法、三相交通流法、服務(wù)水平法以及集成學(xué)習(xí)法。在已有交通流狀態(tài)模式劃分的基礎(chǔ)上，重點(diǎn)闡述了集成學(xué)習(xí)中的聚類分析法和距離度量法。交通狀態(tài)是通過交通流數(shù)據(jù)來體現(xiàn)的，交通流數(shù)據(jù)主要包含參數(shù)速度、流量和占有率等，根據(jù)交通狀

3、態(tài)相似性劃分的原理，通過計(jì)算交通流數(shù)據(jù)之間的距離確定交通狀態(tài)。
　　在明確交通事件檢測問題的本質(zhì)是二分類問題基礎(chǔ)上，針對由交通事件引起的異常交通狀態(tài)檢測模型的檢測率低、誤警率高不能滿足實(shí)際應(yīng)用的問題，論文提出兩種交通事件檢測方法:基于隨機(jī)森林的交通事件檢測方法和基于貝葉斯分類器集成的交通事件檢測方法。前者的基分類器是決策樹，隨著決策樹數(shù)目的變化，對事件檢測性能進(jìn)行調(diào)整;后者的基分類器為貝葉斯分類器，并應(yīng)用五種不同集成規(guī)則。

4、　　論文分析了交通狀態(tài)判別的實(shí)質(zhì)，即可以理解為分類器學(xué)習(xí)訓(xùn)練不同類標(biāo)簽的歷史交通流數(shù)據(jù)，并對實(shí)時(shí)線上交通流數(shù)據(jù)進(jìn)行不同交通狀態(tài)等級邏輯判斷的過程。結(jié)合北京城市道路交通運(yùn)行評價(jià)指標(biāo)體系，引入動(dòng)態(tài)分類器集成理論，提出了基于近鄰規(guī)則分類器集成的交通狀態(tài)自動(dòng)判別算法。該方法首先計(jì)算每個(gè)基分類器在測試集樣本鄰域中的交通狀態(tài)判別準(zhǔn)確率，進(jìn)而挑選出局部準(zhǔn)確率最高的基分類器并對該測試交通流數(shù)據(jù)樣本進(jìn)行判別，輸出信息即為交通狀態(tài)等級。在評價(jià)判別結(jié)果時(shí)，引

5、入交通狀態(tài)混淆矩陣的概念，分別對實(shí)際狀態(tài)和判別狀態(tài)進(jìn)行統(tǒng)計(jì)分析。
　　從交通狀態(tài)等級分類和交通狀態(tài)指標(biāo)變量的角度出發(fā)，分別實(shí)現(xiàn)了城市道路交通狀態(tài)預(yù)測。將交通狀態(tài)等級預(yù)測轉(zhuǎn)化為多類分類問題，在構(gòu)建數(shù)據(jù)集時(shí)把將來的交通狀態(tài)標(biāo)簽作為歷史交通狀態(tài)標(biāo)簽，利用聚類技術(shù)對訓(xùn)練樣本空間進(jìn)行劃分，選出效果較好的能力區(qū)域?qū)Υ郎y交通流數(shù)據(jù)樣本進(jìn)行狀態(tài)預(yù)測，并結(jié)合實(shí)地采集的數(shù)據(jù)驗(yàn)證該方法的有效性;交通狀態(tài)指標(biāo)變量的預(yù)測和其他預(yù)測問題相似，都可以轉(zhuǎn)化為機(jī)器

6、學(xué)習(xí)問題，即給定一個(gè)或若干個(gè)訓(xùn)練數(shù)據(jù)集，基于最佳擬合或其他原則訓(xùn)練出一個(gè)或多個(gè)模型，基于這些模型實(shí)現(xiàn)預(yù)測。在此理論基礎(chǔ)上，提出基于數(shù)據(jù)擾動(dòng)分類器集成的交通流量預(yù)測方法，該方法不依賴傳統(tǒng)默認(rèn)構(gòu)建神經(jīng)網(wǎng)絡(luò)的參數(shù)，以實(shí)際交通流數(shù)據(jù)訓(xùn)練的結(jié)果建立神經(jīng)網(wǎng)絡(luò)模型并確定最優(yōu)參數(shù)。
　　針對城市道路交通狀態(tài)判別及預(yù)測的實(shí)際應(yīng)用需要，基于本文所提出的交通事件檢測、交通狀態(tài)判別及預(yù)測方法，設(shè)計(jì)開發(fā)了基于集成學(xué)習(xí)的交通狀態(tài)預(yù)報(bào)平臺。平臺實(shí)時(shí)運(yùn)行流暢、穩(wěn)