成本。综上所述,交通流参数短时预测已经成为芯坑肟7⒌钠烤保畔处理技术和交通流信息采集技术的进步为研究开发新的方法创造了条件,因此,针对商用车辆运营调度系统的特点,研究探索适合商用车辆调度,同时又能融合当今的技术进步,体现未来发展趋势的交通参数短时预测方法不但是必要的,也是可行的。本课题的研究目的是基于交通流观测历史数据,在实时采集的交通数据的支持下,完成对未来小时快速路中单点断面交通状态的预测,为商用车辆运营调度系统下一步的路权赋值和最优路径规划奠定基础。本课题的具体研究内容包括:对快速路段上的交通数据进行了预处理。包括应用交通流阈值法、交通流机縪《量穸时间图快速路上车速分布图北京工业大学工学硕士学位论文霉;Р研究对象的界定保证原始数据的特征的情况下,有效地过滤掉噪声数据的干扰。理法对交通数据进行了奇异点的剔除,应用数值差分法对丢失数据进行了估计;结合信号处理技术,应用了小波分析理论对数据序列进行了滤噪处理,在尽可能利用人工神经网络方法,对城市快速路段上未来小时单点的交通流速度预测算法进行了研究,利用人工神经网络的相关理论和方法对交通速度数据进行了训练和预测,在输入变量中考虑了日期类型,应用了平假日因子,最后通过实际预测验证,本论文所建立的神经网络预测模型充分考虑了各种影响因素,预测精度良好,具有较好的非线性映射能力,有进一步开发应用于实际预测的良好前景。本课题所研究的交通预测算法既有别于通常意义上的为实时车辆导航而进行的未来短期富蚣甘种的交通预测,也与以年或月为单位的交通规划的中长期战略预测有本质上的区别。本课题所研究的短期预测算法是专门为物流企业的常规调度而设定的,以未来小时为预测期。本研究的服务对象如图虚线所示。城市快速路作为城市路网中的主要经脉,承担了城市中大部分的长距离交通,快速路的交通状况在相当程度上影响着城市的出行质量。在智能交通系统的图韭畚难芯康姆穸韵第滦髀
全文预览
