基于多核混合支持向量機的城市短時交通預測.pdf

1、目前,世界各國均面臨日益嚴重的城市交通問題。交通擁堵、交通事故、交通污染給城市居民生活帶來極大困擾,也給社會經(jīng)濟發(fā)展帶來巨大損失,已經(jīng)成為全人類亟待解決的重大問題。智能交通系統(tǒng)(ITS)被公認為是解決城市交通問題的必由之路。
　　 動態(tài)交通信息平臺是ITS中各個模塊的樞紐,而實時交通信息是動態(tài)交通信息平臺的數(shù)據(jù)基礎和血液。交通信息采集技術和互聯(lián)網(wǎng)、無線網(wǎng)絡技術的發(fā)展和成熟使實時交通信息的獲取和發(fā)布成為可能,為實時交通狀況的分析奠

2、定了重要的物質基礎。如何從大量的動態(tài)的城市實時交通流數(shù)據(jù)中快速準確地發(fā)現(xiàn)和預測未來的交通狀況信息,并以直觀的便于理解的形式發(fā)布,輔助動態(tài)導航、實時路徑誘導和信號燈自動配時,服務于城市交通規(guī)劃管理部門和廣大交通出行者、參與者,對緩解交通壓力、改善行車安全、提高運行效率和減少空氣污染,有重大的意義。
　　 本文立足于動態(tài)交通信息平臺,從城市交通流的特征出發(fā),建立了基于浮動車數(shù)據(jù)(Floating Car Data,FCD)的智能分析

3、框架。本文的主要創(chuàng)新如下:
　　 1、實現(xiàn)了一種城市交通流參數(shù)的可視化方法,設計了一種基于正態(tài)分布假設的分位點的交通異常檢測探索性分析方法。
　　 標準偏差檢測法是目前認為較好的交通異常檢測方法。本文針對由于樣本中心平均值和方差自身易受數(shù)據(jù)污染,標準偏差檢測法不能很好地反映樣本中心和極端異常值的差異的問題,對其進行改進,提出了一種基于分位點的交通異常檢測算法。
　　 2、提出了一種基于多核混合支持向量機的城市短時

4、交通預測模型。
　　 城市道路交通的不確定性、非線性和時空相關性使得交通系統(tǒng)參數(shù)描述和知識獲取極為困難,從而使短時交通預測難以獲得滿意結果。本文利用多核混合支持向量機識別和處理不同類別輸入數(shù)據(jù)的能力,提出了一種基于多核混合支持向量機的城市短時交通預測方法。該方法在統(tǒng)計分析交通狀態(tài)數(shù)據(jù)樣本的基礎上,繼承了支持向量機良好的泛化能力、全局最優(yōu)和較強自適應性的特點,并采用改進的粒子群算法對支持向量機的參數(shù)進行了優(yōu)化選擇。同時,針對道路實