基于遗传回归分析的无检测器交叉口流量预测研究

作为智能交通系统(ITS)的重要研究方面,交通流诱导系统是目前公认的提高交通效率和机动性的最佳途径。要想实现对交通流进行的诱导功能,是以先获得准确的实时的基础交通信息为基础的。为了给交通流诱导提供高精度的无检测器交叉口预测流量,本文对无检测器交叉口流量预测方法进行了研究。 本文首先叙述了交通流量预测的必要性和重要性,综合的介绍了无检测器交叉口流量预测方法的研究。为了给无检测器交叉口流量预测方法提供高质量的输入数据,本文对数据的预处理方法进行了总结和概括,指出了错误数据和丢失数据及不准确数据相应的识别和修复方法,最后用长春市某交叉口检测器得到的数据进行了验证。通过对无检测器交叉口流量常规预测方法主成分分析法和聚类分析法的介绍及研究,详细分析了这两种预测方法的原理及具体的使用方法,用长春交叉口数据进行了数据验证,通过预测结果分析了这两种预测方法的优缺点。为了提高无检测器交叉口流量预测方法的预测精度,本文提出了一种基于遗传回归分析法的无检测器交叉口流量预测方法,然后用长春市某交叉口检测器得到的流量数据对该方法进行了验证,与主成分分析法和聚类分析法的预测结果进行了误差对比分析,证实了该方法可以显著提高无检测器交叉口流量的预测精度。