基于数据相关性的交通行程时间估计

发布时间：2025-05-01 17:00

　　概率论与数理统计在物理、化学、工程、生物、经济、社会等领域应用广泛。本文综合应用数理统计、最优化方法、机器学习等理论,开展行程时间估计问题的研究。交通行程时间是直接刻画交通状况的重要参数。基于检测器数据估计路段行程时间一直是交通管理领域研究的一个重要问题。但是在现实中,受到客观条件的限制(检测器位置、数量、精度、环境影响等),无论是哪种检测器设备都很难覆盖整个交通网络,因此如何合理的布设检测器,估计全路网的行程时间是一个具有应用价值的科研问题。本文首先借助机器学习的方法研究了行程时间相关性,在此基础上,建立了检测器布设模型,以及相关的全路网行程时间估计模型,并开展数值实验验证模型的有效性。各章内容具体如下:第一章介绍了本文提出的基于数据相关性的交通行程时间估计的研究背景与意义,并探讨了行程时间估计与检测器布设问题的研究现状,以及用户平衡配流模型的相关知识。第二章借助机器学习中的随机森林方法,构建路段行程时间的空间相关性矩阵,用于量化不同路段行程时间相关性的大小。在路段相关性矩阵的基础之上,针对规模较小的网络,提出了一个基于路段相关性的检测器布设模型;针对规模较大的网络,提出了一个基于整数...

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图3-5均方误差下降趋势图

硕士学位论文22图3-5均方误差下降趋势图Figure3-5Meansquareerrordownwardtrendchart选取平均绝对百分比误差(MAPE)作为估计效果评价指标，即：MAPE=1∑||=1.(3.7)路段1,3,4,5,8,9,10,13,15,16,19,2....

图3-6不同路段的平均绝对百分比误差Figure3-6ThefigureofMAPEsacrossdifferentlinks05101520250路段编号

硕士学位论文22图3-5均方误差下降趋势图Figure3-5Meansquareerrordownwardtrendchart选取平均绝对百分比误差(MAPE)作为估计效果评价指标，即：MAPE=1∑||=1.(3.7)路段1,3,4,5,8,9,10,13,15,16,19,2....

图3-8模型II求解方案与随机布设误差对比

硕士学位论文28表3-10模型II求解方案与随机布设误差比较Table3-10EstimationerrorscomparisonofsensorlocationschemesbetweenmodelIIandrandomplacementmethod基于两阶段估计的检测器布设模....

图4-1遗传算法求解模型IV流程图

4基于拟合效果的检测器布设优化模型35图4-1遗传算法求解模型IV流程图Figure4-1TheflowchartofgeneticalgorithmsolvingmodelIV是否否是开始设置初始参数生成初始种群0，置=0记录当前最优个体_、最优适应度函数值....

本文编号：4042622