基于非參數(shù)回歸的短時(shí)交通流量預(yù)測(cè).pdf

1、近年來(lái)，隨著智能交通系統(tǒng)的蓬勃發(fā)展，交通控制和交通流誘導(dǎo)成為智能交通系統(tǒng)(ITS)研究的熱門問(wèn)題，而實(shí)現(xiàn)交通控制誘導(dǎo)的關(guān)鍵問(wèn)題是實(shí)時(shí)準(zhǔn)確的短時(shí)交通流量預(yù)測(cè)，預(yù)測(cè)的精度和實(shí)時(shí)性直接影響到交通控制和誘導(dǎo)的效果。 鑒于道路交通系統(tǒng)本身的非線性和復(fù)雜性，以及交通流量變化的不確定性，在實(shí)際中很難找到精度較高的表征交通流特征的數(shù)學(xué)模型，因此無(wú)模型的因果預(yù)測(cè)法更能適應(yīng)短時(shí)交通流量的預(yù)測(cè)，其中的非參數(shù)回歸更是成為研究的熱點(diǎn)。 基于上述背

2、景，本文開展了下面三個(gè)方面的研究： 1.基于改進(jìn)K近鄰非參數(shù)回歸的短時(shí)交通流量預(yù)測(cè)針對(duì)現(xiàn)有K近鄰非參數(shù)回歸方法的局限，為了進(jìn)一步提高算法的精度和速度，結(jié)合相關(guān)性理論以及聚類分析的思想，做出了兩方面的改進(jìn)：考慮路網(wǎng)內(nèi)其它路段流量對(duì)預(yù)測(cè)路段流量的影響并利用相關(guān)性理論選擇狀態(tài)向量和采用基于聚類分析的變K近鄰搜索算法。 2.基于模式識(shí)別的非參數(shù)回歸算法及其在短時(shí)交通流量中的預(yù)測(cè)結(jié)合模式識(shí)別的思想，在非參數(shù)回歸的基礎(chǔ)上，提出了基于