道路交通流密度的概率密度估计与预测方法研究

论文摘要

随着社会经济的不断发展,汽车拥有量不断攀升,交通拥堵已成为道路交通管理中亟待解决的主要难题。交通流密度是交通流理论中重要的基本特征参数,能够对道路的服务水平进行良好的评价。针对交通流密度的研究可为交通调控、解决道路拥塞问题提供理论依据。然而目前针对交通流密度的已有研究多集中在对交通流密度数据进行检测估计或者预测,以统计学和概率论知识为基础对其概率密度进行研究进而分析其分布特性的成果尚且不多。本文便针对交通流密度进行其概率密度估计以及预测的研究,具体主要工作如下:针对获取的原始交通流数据中可能存在缺失、异常等故障问题,以阈值筛选法为主结合交通流理论筛选法对其进行识别并以历史趋势值替补法对其进行预处理。通过该项前期工作,保证了数据的质量,提高了研究成果的准确性。设计了一种基于高斯混合模型(GMM)的交通流密度的概率密度估计方法。首先,使用模糊C均值聚类算法(FCM)完成GMM的参数初始化,以便于加快期望最大算法(EM)求解GMM参数时的收敛速度;其次,使用EM算法求解GMM参数;根据GMM得到交通流密度的概率密度估计结果。本文基于该方法对交通状况复杂程度不等的四个地点分别进行其工作日以及休息日的交通流密度的概率密度估计。实验结果表明,GMM相较于常规的多种单概率分布模型有更高的准确性。在交通流密度的概率密度估计研究基础之上,本文进一步设计了一种对交通流密度进行概率密度预测的方法。首先,基于时间序列的思想构建预测模型;然后基于KL散度(KL divergence)构建求解预测模型的目标函数;最后通过贝叶斯优化算法获得预测模型中的最优参数组合。实验结果表明,无论是针对普通路段还是复杂路口,设计的预测模型都能够实现其交通流密度的概率密度分布的预测。通过理论分析以及实验验证,本文设计的交通流密度的概率密度估计与预测方法是可行且准确的,能够为评估道路服务水平以及交通管理调控提供有效帮助。

论文目录

文章来源

类型: 硕士论文

作者: 靳紫娟

导师: 肖竹,陈展

关键词: 交通流密度,概率密度估计,概率密度预测,高斯混合模型

来源: 湖南大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑

专业: 数学,公路与水路运输

单位: 湖南大学

分类号: O211;U491.14

DOI: 10.27135/d.cnki.ghudu.2019.002895

总页数: 64

文件大小: 4425K

下载量: 27

相关论文文献

• [1].基于局域波分解的非参数概率密度估计[J]. 大连理工大学学报 2010(06)
• [2].基于不同概率密度估计方法的朴素贝叶斯分类器[J]. 中国矿业 2018(11)
• [3].概率密度估计中的核非方法及应用研究[J]. 山东工业技术 2013(10)
• [4].改进型平均移位柱状图估算概率密度并对互信息作相关分析[J]. 控制理论与应用 2011(06)
• [5].领域自适应大数据集浓缩方法[J]. 温州职业技术学院学报 2014(04)
• [6].反射扩散过程的概率密度估计[J]. 吉林师范大学学报(自然科学版) 2009(04)
• [7].基于概率密度估计的SMOTE改进算法研究[J]. 南京师大学报(自然科学版) 2019(01)
• [8].基于SVM的概率密度估计及分布估计算法[J]. 计算机与数字工程 2009(06)
• [9].基于RSDE的领域自适应概率密度估计方法[J]. 控制与决策 2013(01)
• [10].Fourier变换在非参数统计上的一个应用[J]. 数学的实践与认识 2018(14)
• [11].MMCKDE:基于数据流的m-混合聚类核概率密度估计[J]. 计算机研究与发展 2014(10)
• [12].一种新颖的领域自适应概率密度估计器[J]. 智能系统学报 2015(02)
• [13].基于非参数化概率密度估计的雷达目标识别[J]. 电子与信息学报 2008(07)
• [14].支持向量机评定同轴度误差测量不确定度[J]. 电子测量与仪器学报 2020(05)
• [15].基于支持向量机概率密度估计的多车道交通生成模型研究[J]. 电子技术 2008(06)
• [16].NA样本下含附加信息时概率密度函数的估计[J]. 绍兴文理学院学报(自然科学) 2016(01)
• [17].智能信息处理中的模式识别[J]. 电脑知识与技术 2013(30)
• [18].基于概率密度估计改进粒子滤波的行人跟踪算法研究[J]. 电子设计工程 2013(15)
• [19].基于邻域风险最小化概率密度估计的自适应盲分离算法[J]. 计算机应用研究 2010(08)
• [20].一维连续随机变量概率密度估计[J]. 电子测试 2016(08)
• [21].改进的支持向量机算法及其在入侵检测中的应用[J]. 科技资讯 2009(13)
• [22].基于概率密度距离的监督特征选择[J]. 计算机工程与设计 2009(17)
• [23].基于高斯混合分布模型的风电功率预测误差统计分析研究[J]. 智慧电力 2020(07)
• [24].结构输出响应概率密度估计中分数矩求解方法[J]. 北京航空航天大学学报 2018(06)
• [25].未知噪声模型下扩频系统伪码捕获方法研究[J]. 宇航学报 2009(03)
• [26].基于变分模态分解和概率密度估计的变压器绕组变形在线检测方法[J]. 电网技术 2016(01)
• [27].基于概率密度的飞机相对巡航高度分布研究[J]. 电子世界 2014(01)
• [28].一种基于多特征聚类的粒子滤波跟踪算法[J]. 机器人 2011(05)
• [29].基于滑动窗宽的非参数变宽直方图方法研究[J]. 现代防御技术 2014(02)
• [30].基于局部特征概率密度估计的三维模型特征提取方法[J]. 计算机科学 2015(06)

标签：交通流密度论文;  概率密度估计论文;  概率密度预测论文;  高斯混合模型论文;