交通流主要参数动态预测及与交通流事件检测算法研究

1绪论

1.1什么是“动态预测”算法

1.2国内外研究现状

1.3本书的主要内容

2交通调查与数据分析

2.1交通调查

2.1.1交通观测

2.1.2交通模拟

2.1.3数据处理

2.2交通流特性分析

2.2.1小流量交通特性

2.2.2大流量交通特性

2.2.3常发性拥挤交通特性

2.2.4偶发性拥挤交通特性

2.3交通流参数变化规律

2.4交通流参数的可预测性

3交通流预测常规算法

3.1短时交通流预测原理

3.1.1宏观模型预测原理

3.1.2微观模型预测原理

3.2移动平均法

3.2.1简单移动平均法

3.2.2加权移动平均法

3.2.3趋势移动平均法

3.3指数平滑法

3.3.1一次指数平滑法

3.3.2二次指数平滑法

3.3.3差分一指数平滑法

3.4时间序列法

3.5神经网络法

3.5.1线性神经网络模型

3.5.2BP神经网络模型

3.5.3R13F神经网络模型

4交通流动态预测小波法

4.1研究现状

4.2小波分析法

4.2.1连续小波变换

4.2.2离散小波变换

4.2.3多分辨分析与Mallat算法

4.3基于小波分解和支持向量回归的短时交通流预测

4.3.1支持向量机

4.3.2支持向量回归

4.3.3支持向量机的学习算法

4.3.4基于小波分解和支持向量回归的交通流预测模型

4.4基于小波神经网络的短时交通流预测

4.4.1小波神经网络

4.4.2小波神经网络的学习算法及改进

4.4.3基于小波神经网络的交通流预测方法

5交通流动态预测分形法

5.1分形的概念及分形维数

5.1.1分形的概念

5.1.2分形维数的定义及其计算

5.2交通流的分形与混沌分析

5.2.1交通流时间序列的递归图

5.2.2交通流时间序列的混沌判据最大Lyapunov指数

5.2.3利用最大Lyapunov指数预测交通流

5.2.4交通流时间序列的Kolmogorov熵

5.3交通流时间序列的分形预测法

5.3.1基于分形概念的交通流预测

5.3.2基于分形自相似性的预测移动平均自回归最近邻域

综合预测法

6交通流动态预测控制论法

6.1反馈控制理论

6.1.1开环控制

6.1.2闭环控制

6.1.3反馈系统的传递函数

6.2自适应控制算法

6.3交通流预测控制论法

6.3.1基于反馈控制的预测模型

6.3.2模型参数标定

6.3.3自适应预测控制器的设计

6.3.4实例应用

7交通流动态预测双点及多点模型

7.1交通流动态预测双点模型

7.2交通流动态预测多点模型

7.3参数标定

7.3.1确定权重

7.3.2确定系数矩阵

7.4预测实例

8短期交通流预测综合评价

8.1评价模型

8.1.1二级模糊综合评判法原理

8.1.2建立因素集

8.1.3建立权重集

8.1.4建立备择集

8.1.5确定隶属函数

8.1.6模糊综合评判

8.2交通流参数预测最佳方法

8.2.1预测方法评价

8.2.2智能预测系统

8.3最佳预测时间间隔与窗口长度

8.3.1预测窗口长度

8.3.2最佳窗口长度与时间间隔的关系

8.3.3不同时间间隔预测效果定量比较

8.4不同参数预测效果的比较

8.4.1交通参数的敏感性分析

8.4.2交通量预测

8.4.3时间占有率预测

8.4.4地点车速预测

9交通事件检测算法

9.1交通事件检测综述

9.1.1比较(模式识别)算法

9.1.2统计算法

9.1.3时间序列和平滑／滤波算法

9.1.4交通模型和理论算法

9.1.5低流量事件检测算法

9.1.6其他事件检测算法

9.2基于预测偏差的交通事件检测算法

9.2.1算法原理

9.2.2检测参数

9.2.3数据预处理

9.2.4事件识别的步骤

9.2.5交通事件发生的概率

9.3算法性能评价

9.3.1评价指标

9.3.2评价方法

9.3.3算法阈值标定

9.3.4各种事件检测算法的对比评价

附录

参考文献

　　本书将以分析道路正常、异常交通流特性为起点，采取其他学科的先进方法动态预测交通流参数，并将研究成果应用到交通事件动态预测算法的研究中。本书阐述了交通流的年变、季变、月变、周变规律以及路段上车流运行规律，系统分析了几种先进的预测算法用于交通流动预测的原理、方法和实用性，建立了相应的预测模型，探讨了其预测的精度、实时性以及时空移植性，并构建了合理的算法评价体系。　　本书涉及的交通流相关数据(包括交通量、地点车速和时间占有率)分别用两种方式收集：中、小流量情况下的交通流数据用摄影法实地观测；然后用计算机进行统计处理；大流量情况下的交通流数据由交通模拟产生。