基于信号稀疏分析交通流预测模型设计与验证.pdfVIP

一、设计内容

随着经济的发展和汽车保有量的快速增长，交通拥堵已经成为全世界的一个难

题，如何在现有的道路网络基础上，利用、通信技术等的ITS技术解决交通

拥堵问题成为全世界的共识，而交通流预测是实施的道路诱导的前提，因此是国内外

的研究重点。

交通流数据具有很强的时空相关性，即数据具有较大的荣誉性。目前，传统的交

通流预测方法主要是利用数据的相关性来提高精度，但是随着交通大数据的到来，传

统的预测方法由于运算量大很难满足实际工程的需要。本设计要求结合信号稀疏分解

的相关理论，在保证预测精度的前提下，设计一种基于信号稀疏分析的交通流预测模

型。并通过实测的交通流数据对模型的可靠性进行验证。

二、设计原始资料

1.计算机

2.实际的交通流数据

3.MATLAB软件

三、设计完成后提交的文件和图表

1.计算说明书部分

（1）稀疏分析的基本理论

（2）基于稀疏分析的交通流预测模型

（3）模型求解算法

（4）预测结果及分析

2.图纸部分:

(1)算法流程图(2)

各种计算结果图

四、设计进程安排

序号设计()各阶段名称日期(教学周)

1广泛的查资料，熟悉课题第一周到第三周

2稀疏算法的基本理论第四周到第六周

3稀疏交通流预测模型设计第七周到第九周

4算法仿真测试第十周到第十二周

5撰写第十三周到第十四周

6答辩第十五周

五、主要参考资料

[1]YangS,ShiS,HuX,etal.利用基于稀疏表示的变量选择发现交通流量预测的空间上下文[

C]//IEEE,国际普适智能计算会议和2015年IEEE，国际自主与可信计算会议及2015年IEEE，

国际可扩展计算与通信会议及其相关研讨会。IEEE计算机学会，2015:364‑367.

[2]YangS,ShiS,HuX,etal.城市交通建模与预测的时空上下文感知：基于稀疏表示的变量

选择.[J].PlosOne,2015,10(10):e0141223.

[3]史世雄,王敏捷.基于稀疏表达和RBF神经网络的交通流预测方法[J].微型电脑应用,2014,

30(5):25‑28.

[4]VlahogianniEI,KarlaftisMG,GoliasJC.短期交通预测：我们目前的位置和未来方向[

J].TransportationResearchPartCEmergingTechnologies,2014,43:3‑19.

2.图纸部分：

（1）算法流程图

（2）各种计算结果图

四、设计进程安排

序号设计（）各阶段名称日期（教学周）

1广泛的查资料，熟悉课题第一周到第三周

2稀疏算法的基本理论第四周到第六周

3稀疏交通流预测模型设计第七周到第九周

4算法仿真测试第十周到第十二周

5撰写