基于多重相空間和路段相似度的短時交通流預(yù)測研究.pdf

1、交通擁堵嚴重影響了人們的出行，降低了道路的服務(wù)能力。短時交通流預(yù)測能夠為人們的出行提供最佳路線，從而緩解交通擁堵，因此，提高短時交通流的預(yù)測精度和預(yù)測速度，具有重大的研究意義和實際應(yīng)用價值。對短時交通流預(yù)測領(lǐng)域的相關(guān)技術(shù)進行研究，發(fā)現(xiàn)當前短時交通流預(yù)測模型存在預(yù)測精度不高的問題，并且預(yù)測模型在單機環(huán)境下進行預(yù)測，導致模型預(yù)測速度變慢。針對上述問題，本文結(jié)合大數(shù)據(jù)處理框架Spark，提出了基于多重相空間和路段相似度的短時交通流預(yù)測模型，最

2、后通過實驗驗證本文提出的預(yù)測模型的有效性。
　　本研究主要內(nèi)容包括：⑴針對混沌理論使用單個相空間導致預(yù)測精度不高的問題，提出了一種基于多重相空間的預(yù)測算法。該算法采用平均互信息量法來求解延遲時間集合，并得到對應(yīng)的權(quán)重集合，同時計算對應(yīng)的嵌入維數(shù)集合來重構(gòu)多重相空間，并結(jié)合KNN算法的思想建立短時交通流預(yù)測模型，提高預(yù)測精度。⑵針對稀疏路段數(shù)據(jù)較少而導致預(yù)測精度不高的問題，提出了一種基于多重相空間和路段相似度的預(yù)測算法。該算法考慮了

3、路段相似對預(yù)測交通流的影響，通過度量兩條路段的正相似度與負相似度來求解正相關(guān)路段集合和負相關(guān)路段集合，并綜合正、負相關(guān)路段集合，結(jié)合多重相空間算法建立短時交通流預(yù)測模型，進一步提高預(yù)測精度。⑶使用路網(wǎng)某一路段的多組GPS數(shù)據(jù)進行實驗分析。實驗結(jié)果表明，本文提出的基于多重相空間和路段相似度的短時交通流預(yù)測模型預(yù)測的平均相對誤差百分率降低了3.94％，在平均絕對誤差和均方根誤差2項算法評價指標上都有4.1到4.3范圍的降低，預(yù)測精度有明顯的