基于分數(shù)階累加生成的短時交通流預測模型研究.pdf

1、隨著社會經(jīng)濟的迅猛發(fā)展，城市化進程加快，我國交通擁堵現(xiàn)狀日益嚴重，解決交通擁堵問題已成為當前迫切而重大的任務。智能交通系統(tǒng)被認為是緩解城市交通擁堵、減少交通事故和降低汽車尾氣排放污染等交通問題的有效方法之一。而短時交通流預測是智能交通系統(tǒng)對道路進行控制和誘導的關鍵技術。因此，如何實時、準確的預測短時交通流是當前研究的重點和難點問題。
　　本文以短時交通流為背景，以灰生成技術為研究對象，提出分數(shù)階累加生成方法，將原有的r-AGO技術

2、從整數(shù)域推廣到實數(shù)域上。同時，給出相應的GM(r)(1，1)模型及其求解過程。并對于該技術的特殊形式一階累加生成方法，提出一個組合模型和優(yōu)化模型。將三個模型用于短時交通流預測中，從而為城市道路短時交通流做出較為準確的預測，及時地獲取交通信息，給出行者提供實時準確的道路信息。為此，本文主要作了以下內(nèi)容:
　　(1)對短時交通流的特性進行分析，說明短時交通流量預測的建模要求;并簡要說明GM(1，1)模型的原理，基于該模型對短時交通流進

3、行實證分析。
　　(2)提出基于一階累加生成技術的短時交通流預測模型。考慮到交通流數(shù)據(jù)含不同頻率的信號成分，提出基于小波分析的GM(1，1)和ARMA(p，q)組合預測模型;其主要思想是通過小波函數(shù)對原始數(shù)據(jù)進行分解與重構，得到低頻部分和高頻部分，然后分別用GM(1，1)和ARMA(p，q)進行預測。另外，考慮到交通流數(shù)據(jù)隨時間變化而變化，提出基于灰色作用量優(yōu)化的GM(1，1|sin)動態(tài)預測模型;其主要思想是考慮外界的干擾因素，

4、將灰色作用量b視為隨時間改變的動態(tài)變量，用b1 sin pk+b2代替灰色作用量b建立動態(tài)模型。
　　(3)為體現(xiàn)數(shù)據(jù)的優(yōu)先原則，完善累加生成技術，提出基于分數(shù)階累加生成技術的短時交通流預測模型。首先，給出分數(shù)階累加生成方法，建立GM(r)(1，1)模型，并討論GM(r)(1，1)模型的幾項特殊形式。然后，考察GM(r)(1，1)模型性質(zhì)，研究累加生成序列的平移變換和原始數(shù)據(jù)矩陣變化及數(shù)乘變換對模型參數(shù)的影響，并得到變換前后各參數(shù)