学海网

毕业论文 交通流时间序列变点模型
摘 要
交通流突变多与道路交通事件、交通事故等异常现象直接相关，其结果往往造成交通不畅，降低了交通系统运营效率。由于交通事件发生的时间和地点随机性大，因此对偶然性交通不畅控制的关键是尽早地检测出事件。利用交通流特征参数的有关数据及时准确地诊断突发交通事件是准确确定交通异常的手段，是制定正确诱导和控制的一个重要前提，也是目前广泛开展的智能运输系统(Intelligent Transportation Systems ,ITS)项目，特别是其先进的交通管理系统(Advanced Traffic Management Systems, ATMS) 和先进的出行者信息系统(Advanced Traveler Information Systems ,ATIS)研究开发的基本要求。交通流检测的主要作用是及时准确地识别当前和未来交通流状况，实施合理有效的交通管控和诱导措施，及时处理事件，减少人员伤亡和财产损失，诱导驾驶员行为并使交通流避开拥挤区域，达到平稳交通流、减轻拥挤区域交通压力、节约能源、减少污染的目的。
本文利用交通流的有关数据，通过建立多元线性回归模型来检测交通流中变点最有可能发生的时间位置和统计特征值的变化幅度，从而达到对交通流进行检测的目的。
关键词：交通事件检测，时间序列，变点，多元线性回归

目 录
摘 要 I
ABSTRACT（英文摘要） Ⅱ
目 录 Ⅲ
第一章 引 言 1
1.1 时间序列概述 1
1.2 时间序列的变点分析 1
1.3 交通流时间序列的变点介绍 3
1.4 国内外研究现状 4
1.4.1 时间序列现状 5
1.4.2 变点模型现状 6
1.5 交通流状态辨识研究的意义 7
1.6本文的结构 8
第二章 变点算法介绍 9
2.1 局部变点 9
2.1.1 模型与变点估计步骤 9
2.1.2 跳跃度的估计 9
2.2 BEYES变点 10
2.3 基于加速遗传算法的时间序列变点分析方法(AGA-CPAM) 12
2.4 基于动态交通模型的算法 14
2.5 卡尔曼滤波算法 15
第三章 多元线性回归变点模型 16
3.1 线性回归模型 16
3.2 多元线性回归模型 16
3.3 至多只含有一个变点的多元线性回归变点模型 17
3.4 离散模型的连续化 18
3.5 变点的估计 18
3.5.1 建立目标函数 19
3.5.2 估计原理 19
3.6 关于约束条件 21
3.7 回归跳跃度的估计与变点有无的检验 21
3.8 多变点问题与参数的逐步调整估计法 22
第四章 模型应用 24
4.1 分析交通流步骤 24
4.2 程序流程图 24
4.3 数据来源 25
4.4 实验结果 25
4.4.1 变点有无的检验 27
4.4.2 变点位置和跳跃度 27
4.5 结果分析 28
第五章 结论与展望 29
参考文献 31
致 谢 33
附 表 34