基于浮动车数据的道路运行车速动态预测研究

声明

摘要

第一章 绪论

1．1 研究背景

1．1．1 交通大数据及其融合分析

1．1．2 智能交通系统对交通参数数据的迫切需求

1．2 研究目的及意义

1．3 国内外研究现状

1．3．1 浮动车数据应用与研究现状

1．3．2 道路车速相关研究现状

1．4 研究内容

第二章 浮动车数据采集及分析方法

2．1 基于GPS／GIS的浮动车数据采集

2．2 数据处理与分析

2．2．1 数据影响因素分析

2．2．2 数据筛选和计算

2．2．3 数据缺失值填补

2．3 实例分析

2．4 本章小结

第三章 基于小波-ARIMA的浮动车车速预测

3．1 浮动车数据的小波变换

3．1．1 小波域阈值去噪法

3．1．2 平移不变小波变换

3．1．3 相邻尺度积系数滤波法

3．2 基于小波-ARIMA的浮动车车速预测

3．2．1 ARIMA建立

3．2．2 最优化时间间隔计算方法

3．3 实例分析

3．3．1 原始浮动车时间序列

3．3．2 ARIMA模型预测结果

3．3．3 小波-ARIMA模型预测结果

3．4 本章小结

第四章 混合交通流的车速相关性研究

4．1 调查路段选取

4．2 混合交通流全车型运行规律分析

4．3 全车型运行车速相关性研究

4．3．1 道路运行车速与道路服务水平方差分析

4．3．2 基于公交车运行车速的全车型运行车速回归分析

4．4 基于FCM-RBF神经网络的道路运行车速建模

4．4．1 径向基函数神经网络简介

4．4．2 基于FOM优化的RBF神经网络

4．5 道路运行车速动态预测实例分析

4．5．1 完全数据条件下的动态预测

4．5．2 缺失数据条件下的动态预测

4．5．3 实例分析

4．6 本章小结

第五章 结论与展望

5．1 结论

5．2 展望

致谢

参考文献

附录

攻读学位期间取得的研究成果