短時(shí)交通流預(yù)測(cè)模型及預(yù)測(cè)方法的研究.pdf

1、本文對(duì)短時(shí)交通流預(yù)測(cè)模型及預(yù)測(cè)方法進(jìn)行了大量研究，提出了多鏈路的交通流預(yù)測(cè)模型，研究了神經(jīng)網(wǎng)絡(luò)及高斯過(guò)程回歸在交通流預(yù)測(cè)中的應(yīng)用，最后利用圖Lasso進(jìn)行的稀疏圖模型建立對(duì)多鏈路交通流預(yù)測(cè)進(jìn)行了進(jìn)一步的優(yōu)化。
　　 短時(shí)交通流預(yù)測(cè)一直是智能交通系統(tǒng)研究中的一個(gè)熱門(mén)話(huà)題。傳統(tǒng)的預(yù)測(cè)模型采用的都是單鏈路預(yù)測(cè)模型，即在對(duì)一條鏈路上的未來(lái)時(shí)刻交通流進(jìn)行預(yù)測(cè)時(shí)，使用的僅是該鏈路上的歷史數(shù)據(jù)，而沒(méi)有考慮到相鄰鏈路上的交通流量提供的相關(guān)信息。

2、事實(shí)上，在整個(gè)交通系統(tǒng)中，各條鏈路之間的交通流量是存在相關(guān)性的，特別是相鄰路口，這種相關(guān)性體現(xiàn)的更為明顯。在本文中，我們提出了多鏈路交通流預(yù)測(cè)模型，對(duì)相鄰路口的交通流量進(jìn)行了相關(guān)性考慮。通過(guò)大量實(shí)驗(yàn)，我們驗(yàn)證了多鏈路交通流預(yù)測(cè)模型的優(yōu)越性。
　　 神經(jīng)網(wǎng)絡(luò)在機(jī)器學(xué)習(xí)中的應(yīng)用備受熟知，其中，BP(Back-Propogation)神經(jīng)網(wǎng)絡(luò)更是被廣泛用于如視覺(jué)場(chǎng)景分析、語(yǔ)音識(shí)別等多種具體的機(jī)器學(xué)習(xí)領(lǐng)域。由于具有出色的處理復(fù)雜問(wèn)題的能

3、力和高度的自學(xué)習(xí)自組織以及自適應(yīng)能力，神經(jīng)網(wǎng)絡(luò)在機(jī)器學(xué)習(xí)應(yīng)用中一直表現(xiàn)良好。在本文中，我們以神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法為基礎(chǔ)，對(duì)單鏈路交通流預(yù)測(cè)模型和多鏈路交通流預(yù)測(cè)模型進(jìn)行了大量實(shí)驗(yàn)上的比較，并且結(jié)合了多任務(wù)學(xué)習(xí)和單任務(wù)學(xué)習(xí)，共構(gòu)建出了四組預(yù)測(cè)模型。通過(guò)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行整體和局部上的比較和分析，我們對(duì)神經(jīng)網(wǎng)絡(luò)在交通流預(yù)測(cè)中的應(yīng)用有了一個(gè)更深入更全面的認(rèn)識(shí)。
　　 高斯過(guò)程回歸是基于貝葉斯理論的經(jīng)典回歸算法，由于具有實(shí)現(xiàn)容易、參數(shù)較少以及模

4、型解釋性強(qiáng)等特點(diǎn)，在機(jī)器學(xué)習(xí)領(lǐng)域具有廣泛的研究。高斯過(guò)程是廣義上的高斯概率分布，這里的隨機(jī)過(guò)程指的是函數(shù)，不同于高斯概率分布中的隨機(jī)變量是標(biāo)量或者向量(多元概率分布情況下)。高斯過(guò)程回歸中的相關(guān)推理均是在函數(shù)空間進(jìn)行的，算法最終給出的是測(cè)試集上目標(biāo)輸出的后驗(yàn)分布。這個(gè)后驗(yàn)分布也是服從高斯分布的，高斯過(guò)程回歸算法的輸出為分布的均值和協(xié)方差兩項(xiàng)。本文通過(guò)對(duì)高斯過(guò)程回歸進(jìn)行理論上學(xué)習(xí)和研究，并結(jié)合實(shí)際的實(shí)驗(yàn)，對(duì)其在交通流預(yù)測(cè)中的應(yīng)用進(jìn)行了分析

5、，并指出了其在機(jī)器學(xué)習(xí)應(yīng)用中的巨大潛力。
　　 圖lasso是建立在lasso回歸上的稀疏圖模型建構(gòu)的一種算法。它基于的數(shù)據(jù)模型是假設(shè)服從多元高斯概率分布的，算法的核心是通過(guò)使用L1正則來(lái)使得逆協(xié)方差矩陣盡可能的稀疏，進(jìn)而依據(jù)矩陣中元素是否為0來(lái)進(jìn)行稀疏圖模型的建立。協(xié)方差矩陣的每一行每一列都對(duì)應(yīng)稀疏圖模型中的一個(gè)結(jié)點(diǎn)，若矩陣中某行列元素為0，則認(rèn)為對(duì)應(yīng)的兩個(gè)變量條件獨(dú)立，進(jìn)而在圖模型中，對(duì)應(yīng)的兩個(gè)結(jié)點(diǎn)之間無(wú)連線(xiàn)。本文對(duì)圖las