大学毕业论文-—基于支持向量机的快速路小时交通量预测.docVIP

基于支持向量机的快速路小时交通量预测 摘 要 快速路交通量具有复杂性和不确定性，对交通量的准确预测是实现智能交通诱导和控制的基础。智能交通能解决道路交通拥堵，减少交通事故，减少大气污染等现实难题，是我国道路交通发展的方向。充分考虑到快速路交通量所具有的非线性，时变性和随机性，提出将支持向量机回归算法应用到快速路小时交通量预测中。根据我国交通情况，利用广州某快速路小时交通量数据，进行快速路小时交通量预测。仿真研究结果表明，支持向量机泛化能力好，学习速度快，在快速路小时交通量预测中起着重要作用。 关键词：小时交通量；交通量预测；支持向量机回归；仿真研究  Abstract Expressway traffic flow has the complexity and uncertainty, the accurate traffic flow forecasting is the foundation to realize intelligent traffic guidance to control. Intelligent transportation can solve traffic congestion, reduce traffic accidents, reduce the realistic problems such as air pollution, is the direction of our country road traffic development. The expressway traffic flow is nonlinear, time-varying and randomness, the support vector machine (SVM) regression algorithm was applied to expressway hours in traffic flow prediction. According to the traffic situation in our country, use the one of Guangzhou’s expressways traffic flow data to forecast an hour expressway traffic flow. Simulation results show that the generalization and learning ability of support vector machine (SVM) is well, hours in expressway traffic flow forecasting plays an important role. Keywords: hourly traffic volume; traffic flow forecasting; support vector machine regression; simulation research  目 录 摘 要 I Abstract II 第1章 绪论 1 1.1 课题背景 1 1.2研究目的和意义 2 1.3 国内外文献综述 2 1.4 本论文主要内容 3 第2章 支持向量机理论 5 2.1 支持向量机概述 5 2.2 支持向量机回归及其类型 9 2.3 本章小结 9 第3章 交通流参数及预测方法 10 3.1 交通流基本参数 10 3.2 交通流量数据的采集和特性 10 3.3 交通流预测的方法 11 3.3.1 交通状态预测概述 11 3.3.2 交通量短时预测方法 12 3.4 本章小结 13 第4章 基于支持向量机的小时交通流预测 14 4.1 概述 14 4.2 支持向量机回归的交通信息预测 14 4.3 支持向量机的交通信息预测的具体步骤 15 4.4 本章小结 16 第5章 仿真研究 17 5.1 交通流量预测 17 5.2 本章小结 30 结论 31 参考文献 32 致谢 33  第1章 绪论 BP神经网络预测模型为代表，BP神经网络能在有错误数据的情况下利用结构本身的特性做出准确的预测，但是利用BP神经网络过分强调学习而出现过拟合现象，使模型的泛化能力得不到充分发挥，同时还会出现，欠学习，局部极小点问题。支持向量机回归预测方法采用结构风险最小化，可以避免神经网络的一些缺陷，在解决小样本数据、非线性问题以及高维模式识别方面有很多优势。本文提出基于支持向量机回归预测快速路小时交通流量的方法，利用采集到的快速路交通流量实时数据，预测快速路未来的小时交通流量，解决快速路拥堵和通行效率不高的问题。 本课题研究具有重要的实际意义和社会意义，快速路小时交通量预测对城市