多因素混合车流预测模型研究与实现

发布时间：2024-03-01 19:14

　　随着社会经济水平的不断提高,居民对于出行质量的要求也逐渐提高,然而城市交通拥堵、交通安全等问题依旧是制约城市交通发展的主要因素。如果能对短期车流量,特别是节假日、恶劣天气、事故发生时的车流量进行相对准确的预测,那么就能为交管部门的管理和指挥决策提供依据,城市交通管理部门就能早一步采取交通疏导和拥堵应对措施,有助于城市交通信息化管理水平的提升。本课题基于交管部门数据,研究城市交通车流量随各种因素变换而变换的特征,研究并提出将数理统计中的自回归ARIMA模型与机器学习中的CART模型树相结合的方法用于短时车流量的预测,经过验证:该方法能够在突发状况发生时有较好的预测表现。在完成了组合模型对于车流量预测的实验与验证之后,本课题还设计并实现了车流预测预警移动端原型系统。该系统使用了流行的混合开发模式,利用Cordova框架和高德地图API等技术进行系统原型开发,后台则使用python语言用于后台数据计算与存储。通过该模型与系统,能够为交管部门及时提供预测预警信息,有助于提高城市交通应对突发车流拥堵的应急能力,提升市民的出行质量。

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 项目背景和意义
    1.2 国内外研究现状
        1.2.1 车流量短时预测
        1.2.2 移动端地图可视化展示技术
        1.2.3 图像识别与检测技术
    1.3 研究内容和创新
第二章 相关关键技术研究
    2.1 Cordova移动开发框架
        2.1.1 Web app
        2.1.2 Web View
        2.1.3 Cordova Plugins
    2.2 基于高德API的地图可视化展示
        2.2.1 GPS地图定位
        2.2.2 地图覆盖物
    2.3 目标检测
        2.3.1 车辆图像检测
        2.3.2 TensorFlow深度学习框架
        2.3.3 TensorFlow object detection API
第三章 多因素混合预测模型研究和实验分析
    3.1 车流量预测概念和方法
        3.1.1 车流量的可预测性
        3.1.2 车流预测常用方法
        3.1.3 模型选择
    3.2 多因素影响下的车流特征分析
        3.2.1 雨天车流特征
        3.2.2 节假日车流特征
        3.2.3 特殊事件车流特征
    3.3 常用预测模型研究
        3.3.1 指数平滑法
        3.3.2 自回归时序模型
        3.3.3 决策树
    3.4 多因素混合预测模型研究和实现
        3.4.1 多因素混合预测模型框架
        3.4.2 多因素混合预测的实现步骤
    3.5 多因素混合预测模型实验评估
        3.5.1 预测模型评价指标
        3.5.2 实验数据获取
        3.5.3 预测结果对比分析
第四章 系统设计与实现
    4.1 系统开发环境
    4.2 系统总体架构
    4.3 数据库表设计
    4.4 系统功能设计与实现
        4.4.1 数据预处理与存储模块
        4.4.2 车流量预测模块
        4.4.3 报警阈值计算模块
        4.4.4 文字形式发布模块
        4.4.5 地图形式展示模块
    4.5 系统实现结果
        4.5.1 系统主界面
        4.5.2 信息发布
        4.5.3 用户定位
        4.5.4 地图标记
        4.5.5 设施搜索
        4.5.6 路线查询
    4.6 系统实现结果
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢



本文编号：3915701