基于非参数回归的路网短时交通状态预测

短时交通状态预测对于动态交通诱导,先进的交通管理、交通控制与安全等,均具有重要的意义。短时交通状态预测研究在国际上一直很活跃。在过去的几十年里,交通学者在这一研究领域做了大量的工作,取得了显著的研究成果。本文主要对交通流短时预测作了进一步的研究: (1)阐述了短时交通状态预测在智能交通系统中重要作用和地位,由此说明了短时交通状态预测研究的重要性和必要性。 (2)介绍了几种广泛使用的短时交通预测方法,分析了各种预测方法的特点。之后,按照单断面和多断面分别介绍了短时交通流预测的研究现状。 (3)介绍了交通状态三个基本参数的定义。针对城市路网交通的时间空间分布,分析了交通流的主要特点。然后介绍了交通流数据的修复方法。 (4)通过回顾非参数回归在短时交通状态中的应用,介绍了非参数回归在该领域内各个阶段的发展情况。在此基础上,通过状态向量的选择和相似机制的设计,充分考虑上下游断面的影响,提出路网条件下的多断面短时交通状态预测的非参数回归模型。 (5)使用北京市的实际交通数据验证改进的模型。通过比较不同K值和不同预测函数输入条件下的预测效果,得出当K=10和使用最相似交通状态作为预测函数输入时预测效果最好的结论,并分析此时各个断面的平均绝对误差和相对平均误差。然后分析了预测值和实际值的相关性。 最后总结了论文的工作,阐述了非参数回归模型的优点和不足,并展望非参数回归在短时交通状态预测领域的发展方向和需要进一步研究的问题。