基于网格的短时交通状态预测研究

交通工具的普及使得人们的出行日益方便,同时交通拥挤、交通事故所造成的环境污染和经济损失成为全球关注的热点问题。本文针对这一问题展开研究,致力于利用先进的技术和方法对城市道路交通状况进行预测,通过对现有交通预测模型的比较发现,短时交通状态预测模型普遍存在模型预测效率与算法执行效率的矛盾。因此本文结合网络资源现状,提出了一种利用网络空闲资源进行城市路网交通状态短时预测的改进的非参数回归预测模型。 本文通过对一般非参数回归模型的深入研究,针对短时交通状态预测的特点,对非参数回归模型进行改进,定义了描述城市路网交通状态的向量结构,并以层次化对象的格式存入到历史样本数据库中,利用交通状态的周期可重现特性降低历史数据库规模,提高查询效率。此外,本文从数据库的存储结构、聚类方法、交通状态向量的距离、KNN ( K Nearest Neighbor )搜索算法和预测函数与误差反馈等多个方面对非参数回归预测模型进行改进,从而提高预测结果的准确度。 为了提高改进的非参数回归算法的计算效率,满足短时交通状态预测的要求,本文构建了基于最小迁移代价的多级自治域网格管理模型,并针对此模型提出了资源计算能力指数任务分配模型和最小迁移代价作业调度模型,以及基于同步数据缓存的Web数据发布平台。经过模拟测试,改进的非参数回归模型和网格信息平台能够从预测精度和算法执行时间上有效的满足短时交通状态预测的需求。