基于非參數(shù)回歸的短時交通流量預測方法研究.pdf

1、短時交通流量預測是智能交通系統(tǒng)（ITS）的關鍵技術(shù)之一，其預測性能的好壞、是否滿足實時性要求都直接關系到交通控制與誘導系統(tǒng)的有效實現(xiàn)。 本文從分析短時交通流特性入手，從歸納-演繹、非線性時變系統(tǒng)兩個角度認識非參數(shù)回歸方法，從原理上闡明應用非參數(shù)回歸方法進行短時流量預測的適用性。討論了應用非參數(shù)回歸方法的關鍵步驟和影響因素。 非參數(shù)回歸方法作為一種新型的智能方法，仍然存在諸多缺點限制了它的實際應用。這些缺點集中在：樣本數(shù)據(jù)

2、庫結(jié)構(gòu)不合理、搜索策略效率不高、系統(tǒng)開環(huán)等。本文從研究這些缺陷入手，對該方法本身進行多方面的改進，使其提高預測準確度和滿足實時性要求。 主要的改進包括：（1）將原始流量數(shù)據(jù)和搜索數(shù)據(jù)分別存放，建立基于一維和多維數(shù)據(jù)搜索的數(shù)據(jù)庫結(jié)構(gòu)和搜索策略。平衡二叉樹和R樹的邏輯結(jié)構(gòu)和靜態(tài)鏈表的物理結(jié)構(gòu)的應用大幅度地縮減了數(shù)據(jù)搜索所需時間，提高了預測的實時性。（2）將閉環(huán)反饋回路加入到預測系統(tǒng)中最關鍵的步驟--模式匹配中，通過預測誤差來修正模式

3、匹配結(jié)果，從而使模式匹配過程更加合理，提高了預測的準確度。（3）分析影響非參數(shù)回歸預測魯棒性的因素，重點在于系統(tǒng)需要重建時，針對大量原始數(shù)據(jù)的收集和實時預測這一對矛盾，提出應用系數(shù)庫和分批預測的思想加以解決。 由于原始流量數(shù)據(jù)不具備非參數(shù)回歸方法所需的中心點和中心點附近的K個近鄰點，同時考慮到原始流量數(shù)據(jù)具有維數(shù)高、冗余量大的特點，因此有必要對原始數(shù)據(jù)進行數(shù)據(jù)預處理操作。在本文中，采用主成分分析達到降維和消除變量之間相關性的目的