基于改进的非参数回归交通流量预测方法-系统工程专业论文.docxVIP

华 中 科 技 大 学 硕 士 学 位 论 文 I I 摘要 全球各大中城市遇到的交通问题日益严峻，于此同时，现有的智能交通系统在 缓解交通问题中起到日益显著的作用，智能交通系统受到了广泛的关注。其中的交 通流量控制与诱导系统直接作用于道路，可以最为直接的缓解交通拥堵问题。要使 交通流量控制与诱导系统能够良好的发挥作用，精确、实时的交通流量预测信息至 关重要。 由路网与车辆直接组成的交通系统具有极大的非线性、复杂性和不确定性。现 有的交通流量预测方法，不管是在预测的实时性还是在预测的精度上，与实际需求 均存在一些差距，不能满足现阶段智能交通系统的需求。 本文在考察了几种常用的交通流量预测方法后，对其中的非参数回归方法提出 了一些改进。具体来说，本文主要对传统的非参数回归预测方法提出了两方面的改 进：采用贝叶斯网络方法对交通流状态进行分类，通过分类，降低非参数回归方法 中寻求近邻子集所需要的搜索时间，大大降低了运算时间，提高算法实时性；使用 贝叶斯网络对交通流状态进行分类后，对不同类别交通流状态，采用不同的 K 值进 行 K 近邻非参数回归算法进行预测，以提高算法精度。通过对改进的非参数回归算 法进行仿真证明了算法的有效性。仿真结果显示，改进的非参数回归方法比传统方 法在算法实时性与算法精度上均有所提升。 改进算法有助于使智能交通系统更好的发挥作用，应对交通问题带来的压力