交通流量長(zhǎng)時(shí)預(yù)測(cè)是指對(duì)未來(lái)長(zhǎng)時(shí)間跨度的交通流量數(shù)據(jù)進(jìn)行預(yù)測(cè),它對(duì)城市交通的規(guī)劃、設(shè)計(jì)和管理具有重要的意義。交通流具有典型復(fù)雜系統(tǒng)的隨機(jī)性與不確定性,對(duì)于長(zhǎng)時(shí)預(yù)測(cè)而言,較大的預(yù)測(cè)時(shí)間跨度更加放大了系統(tǒng)的不確定因素。因此,現(xiàn)有的很多交通流長(zhǎng)時(shí)預(yù)測(cè)模型難以得到精度較高的預(yù)測(cè)結(jié)果。本文基于模糊集合理論處理交通流量數(shù)據(jù),構(gòu)造了以二型模糊集合為核心的交通流量長(zhǎng)時(shí)預(yù)測(cè)模型,主要工作內(nèi)容如下:首先,本文將K-means聚類(lèi)與高斯型區(qū)間二型模糊集合相結(jié)合,提出基于二型模糊集合交通流量長(zhǎng)時(shí)預(yù)測(cè)模型。其中,K-means聚類(lèi)算法用于將交通流檢測(cè)數(shù)據(jù)處理為能夠表征交通流波動(dòng)范圍的區(qū)間數(shù)據(jù),并利用聚類(lèi)中心獲得內(nèi)嵌一型模糊集合參數(shù)值,從而為二型模糊集合提供了數(shù)據(jù)基礎(chǔ)。基于該模型的交通流長(zhǎng)時(shí)預(yù)測(cè)結(jié)果能得到描述交通流可能變化范圍的區(qū)間數(shù)據(jù),并給出較高精度的交通流量預(yù)測(cè)結(jié)果。針對(duì)以上模型在模糊規(guī)則部分的空缺,本文基于交通流狀態(tài)之間的轉(zhuǎn)移規(guī)律提出了基于模糊規(guī)則的二型模糊集合模型。此模型利用馬爾可夫模型在一天預(yù)測(cè)時(shí)間軸上與多天同一采樣時(shí)間軸上尋找交通狀態(tài)之間的跳變規(guī)律,通過(guò)馬爾可夫模型產(chǎn)生模糊規(guī)則,使得模型預(yù)測(cè)的準(zhǔn)確率有著大...

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３＿１交通流量數(shù)據(jù)??Ｆｉｇｕｒｅ?３－１?Ｔｒａｆｆｉｃ?ｖｏｌｕｍｅ?ｄａｔａ??

后文的描述將依據(jù)時(shí)間軸，將不同天同一時(shí)刻的交通流量數(shù)據(jù)稱(chēng)為橫向交通??流數(shù)據(jù)，將同一天不同時(shí)刻的交通流量數(shù)據(jù)稱(chēng)為縱向交通流數(shù)據(jù)，將預(yù)測(cè)的交通??流量波動(dòng)范圍稱(chēng)之為區(qū)間，如圖３－１所示。窄而能包含盡可能多的交通流量數(shù)據(jù)的??預(yù)測(cè)區(qū)間也是本文追求的預(yù)測(cè)精度之一。??６０００??１?１....

圖3一基于二型模糊集合交通流量長(zhǎng)時(shí)預(yù)測(cè)模型框圖

Ｆｉｇｕｒｅ?３－２?Ｌｏｎｇ－ｔｅｒｍ?ｔｒａｆｆｉｃ?ｖｏｌｕｍｅ?ｐｒｅｄｉｃｔｉｏｎ?ｍｏｄｅｌ?ｂａｓｅｄ?ｏｎ?ｔｙｐｅ－２?ｆｌｉｚｚｙ?ｓｅｔｓ??數(shù)據(jù)預(yù)處理??據(jù)預(yù)處理主要包括：差值處理，平滑化處理與數(shù)據(jù)歸一化處理。??據(jù)差值處理：經(jīng)Ｈｏｕ等人研究發(fā)現(xiàn)，交通流數(shù)....

圖34三角二型棋糊集合預(yù)測(cè)結(jié)果

北京交通大學(xué)碩士學(xué)位論文基于模糊融合算法二型模糊集合交通流量長(zhǎng)時(shí)預(yù)測(cè)模

本文編號(hào)：4058251