基于馬爾科夫模型的短時交通流預測研究.pdf

1、短時交通流預測對城市交通流控制與誘導系統(tǒng)的發(fā)展具有著重要的意義，預測結(jié)果的好壞將直接影響到城市交通流控制與誘導的效果。因此，短時交通流預測對智能交通系統(tǒng)來說至關(guān)重要。
　　本文以提高短時交通流預測為研究目的，構(gòu)建了基于馬爾科夫理論的短時交通流預測模型，在此基礎上，針對短時交通流的非線性非平穩(wěn)特性，本文分別提出了馬爾科夫-BP神經(jīng)網(wǎng)絡模型和小波-馬爾科夫-BP神經(jīng)網(wǎng)絡模型。
　　論文的主要內(nèi)容如下：
　　（1）鑒于感應線

2、圈檢測器獲得的數(shù)據(jù)存在錯誤、冗余等質(zhì)量問題，本文通過孤立點挖掘技術(shù)檢測出異常數(shù)據(jù)，利用“相鄰時間段數(shù)據(jù)求平均”的方法對數(shù)據(jù)進行修復，解決了數(shù)據(jù)的質(zhì)量問題，并利用改進的小波去噪方法對交通流數(shù)據(jù)進行了降噪處理，降噪處理之后的交通流數(shù)據(jù)更能反映出交通流的真實特性。
　?。?）考慮到短時交通流量的非線性特性，本文提出了基于馬爾科夫-BP神經(jīng)網(wǎng)絡理論的短時交通流組合預測模型，利用BP網(wǎng)絡強大的非線性映射能力和誤差修正思想，滾動預測未來的交通

3、數(shù)據(jù)信息。相比單純的馬爾科夫模型，馬爾科夫-BP神經(jīng)網(wǎng)絡模型的預測效果更好。
　?。?）由于短時交通流時間序列具有非平穩(wěn)特征，本文引入了小波分析方法，建立了小波-馬爾科夫-BP神經(jīng)網(wǎng)絡的組合模型。該模型利用了小波分析方法對交通流時間序列進行了多分辨率分析，經(jīng)過分解之后的交通流時間序列能夠體現(xiàn)出更多的細節(jié)信息，更加適用于具有非平穩(wěn)特性和非線性特性的短時交通流預測。實驗結(jié)果表明這三種模型均能取得較好的預測結(jié)果，相比較而言，基于小波-馬