交通信息智能預測理論與方法

前言

　　城市交通系統(tǒng)屬于典型的非線性復雜大系統(tǒng)，常規(guī)的預測模型與方法對城市交通信息的預測在準確度方面已顯不足。近年來，交通信息預測研究呈現(xiàn)出智能化、組合化的趨勢。本書結合作者近些年來在此領域教學和科研方面積累的成果，并參考國內外最新科技文獻，對目前較為零散的研究成果進行體系性梳理。　　本書首次從交通信息獲取、可預測性分析、預測建模及預測系統(tǒng)設計等方而，建立了較為完善的智能交通信息預測體系框架。作為集中體現(xiàn)交通信息預測智能化、組合化發(fā)展趨勢的參考書，重點介紹了灰色系統(tǒng)理論、卡爾曼濾波理論、人工神經(jīng)網(wǎng)絡、支持向量機及組合預測理論在交通信息預測方面的新應用和新成果；同時，針對最近興起的交通混沌這一新興研究課題，較為系統(tǒng)地論述了交通混沌的概念、特征量計算、混沌識別及其預測方法。　　交通信息預測是智能交通控制、交通誘導、交通信息服務等ITS子系統(tǒng)實施的重要基礎，是ITS領域的重要理論基礎之一。因此，進行交通信息預測理論體系研究，開發(fā)實用、智能化的道路交通信息預測系統(tǒng)，對于改善ITS各子系統(tǒng)的性能、提高我國城市交通管理水平以及解決日益惡化的城市交通問題，具有十分重要的學術價值和現(xiàn)實意義。

內容概要

交通信息智能預測，是指以歷史的、現(xiàn)有的交通及相關因素的調查統(tǒng)計資料為依據(jù)，運用智能化的計算方法，對目標區(qū)域交通系統(tǒng)未來狀況的測定。交通信息智能預測是預測學的一個分支，是現(xiàn)代交通規(guī)劃學和智能交通系統(tǒng)(ITS)的重要組成部分。    本書在分析城市宏觀交通流特點與短時交通系統(tǒng)動力學特性的基礎上，闡述了可預測性分析和交通信息智能預測模型選擇方法，建立了完整的道路交通信息智能化預測體系；重點論述了交通信息智能預測模型與方法，包括灰色預測方法、卡爾曼濾波方法、神經(jīng)網(wǎng)絡方法、支持向量機方法及組合預測方法等。同時，本書也介紹了基于多Agent理論的智能預測系統(tǒng)設計方法。    本書取材新穎，體現(xiàn)了近年來交通信息智能預測研究方面的新理論與新進展，深入淺出地介紹了交通信息智能預測理論體系，并通過大量實例闡述了交通信息智能預測方法的應用。    本書可作為交通工程專業(yè)、自動控制專業(yè)、系統(tǒng)工程等專業(yè)本科生、研究生以及相關學科領域研究人員的參考書。

書籍目錄

《智能科學技術著作叢書》序前言第1章  緒論  1.1  國內外智能交通系統(tǒng)研究概述  1.2  交通信息預測研究的必要性  1.3  交通信息預測理論與方法    1.3.1  現(xiàn)代預測發(fā)展概況    1.3.2  交通信息預測方法分類    1.3.3  交通信息預測的發(fā)展趨勢  1.4  交通信息智能預測的研究內容及工作流程    1.4.1  交通信息智能預測的研究內容    1.4.2  交通信息智能預測流程  1.5  本書內容與結構安排  1.6  小結  參考文獻第2章  交通信息智能預測中的信息獲取  2.1  概述  2.2  交通信息檢測器    2.2.1  移動式交通信息獲取    2.2.2  固定式交通信息獲取    2.2.3  基礎交通信息采集  2.3  無檢測器道路交通信息獲取    2.3.1  鄰近交叉口關聯(lián)分析方法    2.3.2  基于數(shù)據(jù)融合的交通信息獲取技術  2.4  小結  參考文獻第3章  基于動力學特性的交通信息可預測性分析  3.1  概述  3.2  交通系統(tǒng)動力學特性分析方法    3.2.1  交通系統(tǒng)動力學特性研究歷程    3.2.2  研究意義及分析流程  3.3  交通系統(tǒng)非線性特征量的計算  3.4  交通信息可預測性分析流程    3.4.1  可預測性分析流程    3.4.2  可預測性遞歸圖構造方法  3.5  交通信息可預測性分析實例    3.5.1  現(xiàn)實交通系統(tǒng)基本特性分析    3.5.2  現(xiàn)實交通系統(tǒng)動力學特性分析  3.6  小結  參考文獻第4章  宏觀交通信息預測模型與方法  4.1  概述  4.2  回歸預測方法    4.2.1  一元線性回歸    4.2.2  多元線性回歸    4.2.3  非線性回歸    4.2.4  逐步回歸  4.3  確定性時間序列預測方法    4.3.1  時間序列平滑預測方法    4.3.2  趨勢曲線模型預測方法  4.4  隨機性時間序列預測方法    4.4.1  平穩(wěn)時間序列    4.4.2  白噪聲序列    4.4.3  ARMA模型法及其預測步驟    4.4.4  其他隨機時間序列預測模型  4.5  小結  參考文獻第5章  基于灰色系統(tǒng)理論的交通信息預測方法及應用  5.1  概述  5.2  灰色預測基本理論    5.2.1  灰色預測基本概念    5.2.2  灰色預測理論的特點    5.2.3  灰色預測模型分類  5.3  GM（1，1）預測模型及應用    5.3.1  模型的建立    5.3.2  模型檢驗分析    5.3.3  殘差辨識    5.3.4  GM（1，1）預測模型應用  5.4  交通信息自適應灰色預測方法及應用    5.4.1  自適應灰色預測原理    5.4.2  交通流量自適應灰色預測  5.5  幾類新型灰色預測模型    5.5.1  灰色馬爾可夫預測模型    5.5.2  遺傳優(yōu)化灰色預測模型    5.5.3  模糊優(yōu)化灰色預測模型  5.6  小結  參考文獻第6章  基于卡爾曼濾波理論的交通信息預測方法及應用  6.1  概述  6.2  卡爾曼濾波理論  6.3  基于卡爾曼濾波的交通流量預測模型  6.4  基于灰色關聯(lián)分析的行程時間卡爾曼濾波方法    6.4.1  行程時間影響因素灰色關聯(lián)分析    6.4.2  行程時間卡爾曼濾波預測算法    6.4.3  仿真實例  6.5  基于主成分分析的行程時間卡爾曼濾波方法    6.5.1  行程時間影響因素主成分分析    6.5.2  仿真實例  6.6  基于卡爾曼濾波與小波的交通信息預測方法    6.6.1  小波分析概述    6.6.2  卡爾曼濾波與小波結合的優(yōu)勢    6.6.3  基于卡爾曼濾波與小波的交通信息KFW預測算法  6.7  小結  參考文獻第7章  基于人工神經(jīng)網(wǎng)絡理論的交通信息預測方法及應用  7.1  概述  7.2  人工神經(jīng)網(wǎng)絡的基本原理  7.3  人工神經(jīng)網(wǎng)絡的結構形式與學習理論    7.3.1  神經(jīng)網(wǎng)絡結構    7.3.2  學習理論  7.4  基于BP網(wǎng)絡的交通信息預測方法及應用    7.4.1  感知器    7.4.2  BP網(wǎng)絡及其學習算法    7.4.3  BP算法的改進    7.4.4  BP網(wǎng)絡在交通信息預測中的應用  7.5  基于RBF網(wǎng)絡的交通信息預測方法及應用    7.5.1  原始數(shù)據(jù)預處理    7.5.2  RBF網(wǎng)絡學習算法    7.5.3  仿真實驗及分析  7.6  基于人工神經(jīng)網(wǎng)絡的預測方法研究新進展    7.6.1  遺傳神經(jīng)網(wǎng)絡    7.6.2  小波神經(jīng)網(wǎng)絡    7.6.3  粗神經(jīng)網(wǎng)絡  7.7  小結  參考文獻第8章  基于支持向量機理論的交通信息預測方法及應用  8.1  概述  8.2  支持向量機理論  8.3  基于支持向量機理論的交通信息預測算法    8.3.1  基于支持向量回歸的交通信息預測算法    8.3.2  基于支持向量回歸的交通信息預測仿真  8.4  基于粗糙集理論的SVM交通信息預測    8.4.1  RS理論概述    8.4.2  基于RS理論的SVM交通信息預測原理  8.5  小結  參考文獻第9章  混沌理論及其在交通信息預測中的應用研究  9.1  概述  9.2  混沌現(xiàn)象及有關概念  9.3  交通混沌研究對于交通信息預測的重要意義    9.3.1  混沛與交通混沌的發(fā)展沿革    9.3.2  交通混沌及交通分形的研究意義    9.3.3  交通混沌的研究現(xiàn)狀  9.4  混沌特征量與交通混沌的識別方法    9.4.1  混沌特征量    9.4.2  基于Lyapunov指數(shù)的交通混沌識別  9.5  交通混沌時間序列的全域預測方法  9.6  交通混沌時間序列的局域預測方法    9.6.1  加權零階局域法    9.6.2  加權一階局域法  9.7  交通混沌時間序列的最大Lyapunov指數(shù)預測方法    9.7.1  最大Lyapunov指數(shù)預測算法設計    9.7.2  最大Lyapunov指數(shù)預測仿真實驗  9.8  小結  參考文獻第10章  組合預測理論及其在交通信息預測中的應用研究  10.1  概述    10.1.1  組合預測的必要性    10.1.2  組合預測的優(yōu)勢    10.1.3  交通信息組合預測研究歷程  10.2  交通信息線性組合預測理論    10.2.1  線性組合預測基本理論    10.2.2  遞歸等權線性組合預測方法    10.2.3  線性組合預測中的幾個熱點問題  10.3  非線性組合預測及其在交通信息預測中的應用研究    10.3.1  非線性組合預測原理及其算法設計    10.3.2  灰色與多項式非線性組合預測仿真實驗  10.4  組合預測理論的重要新進展  10.5  小結  參考文獻第11章  基于多Agent的交通信息智能預測系統(tǒng)設計  11.1  概述  11.2  多Agent理論    11.2.1  Agent的概念和特性    11.2.2  Agent的認知模型    11.2.3  Agent的體系結構    11.2.4  多Agent的基本思想  11.3  基于多Agent理論的智能預測系統(tǒng)結構  11.4  基于多Agent理論的交通信息智能預測    11.4.1  基于多Agent的交通信息智能預測流程    11.4.2  交通信息智能預測系統(tǒng)中的Agent類別    11.4.3  交通信息智能預測系統(tǒng)仿真  11.5  小結參考文獻

章節(jié)摘錄

　　第1章　緒論　　1．1　國內外智能交通系統(tǒng)研究概述　　智能交通系統(tǒng)（intelligent transportation system，ITS）是在關鍵基礎理論模型研究的前提下，把先進的信息技術、數(shù)據(jù)通信技術、電子控制技術及計算機處理技術等有效地綜合運用于地面交通管理體系，從而建立起一種大范圍、全方位發(fā)揮作用、實時、準確、高效的交通運輸管理系統(tǒng)（研究對象可以概括為人、車、路）。　　1．世界ITS研究歷程　　交通運輸業(yè)的發(fā)展水平是國家興旺發(fā)達的重要標志之一。交通運輸業(yè)的高速發(fā)展，一方面促進了物資交流和人們的往來，大大地縮短了出行時間，提高了工作效率；另一方面也帶來了許多弊病，特別是地面汽車交通運輸，不論是在發(fā)達國家還是在發(fā)展中國家，都存在著不同程度的問題。尤其近半個世紀以來，交通擁擠、道路阻塞和交通事故頻發(fā)正越來越嚴重地困擾著世界各國的大城市。為了提高道路網(wǎng)絡的使用效率，解決城市交通擁擠和交通安全問題，從20世紀60年代以來，發(fā)達國家進行了城市交通規(guī)劃研究和交通控制研究?！　〗煌ㄒ?guī)劃是建立在交通需求分析的基礎上，其目的是獲得交通流量在城市道路網(wǎng)絡中的分配狀況，從而確定道路網(wǎng)絡密度是否能滿足現(xiàn)在和未來的交通需求，這一過程是解決交通設施的供給與需求的矛盾，使城市道路網(wǎng)絡布局合理化。交通控制主要指城市交叉路口的交通信號控制，目前具有代表性的信號控制系統(tǒng)包括美國的TRANSYT系統(tǒng)、英國的SCOOT系統(tǒng)，以及澳大利亞的SCATS系統(tǒng)等。當城市交叉路口采用了先進的交通信號控制系統(tǒng)后，減少了行車延誤時間，提高了路口的通行能力，降低了車輛的停車次數(shù)，減少了燃料消耗和汽車排放的有害物質等。到目前為止，世界上已有350多個大城市采用了先進的交通信號控制系統(tǒng)，我國也有沈陽、北京、上海、南京、廣州、深圳、大連、南寧、鄭州、天津等大城市使用了此類系統(tǒng)。雖然城市交通規(guī)劃和城市交通控制是城市交通運輸網(wǎng)絡建設和管理不可缺少的重要環(huán)節(jié)，但實踐證明，僅僅依靠這兩種措施不足以經(jīng)濟、高效地解決交通擁擠和交通安全問題。這是因為交通網(wǎng)絡是一個復雜大系統(tǒng)，單獨從車輛方面考慮或單獨從道路方面考慮都是很難解決交通擁擠和安全問題的。

編輯推薦

　　本書首次從交通信息獲取、可預測性分析、預測建模及預測系統(tǒng)設計等方面，建立了較為完善的智能交通信息預測體系框架。作為集中體現(xiàn)交通信息預測智能化、組合化發(fā)展趨勢的參考書，重點介紹了灰色系統(tǒng)理論、卡爾曼濾波理論、人工神經(jīng)網(wǎng)絡、支持向量機及組合預測理論在交通信息預測方面的新應用和新成果；同時，針對最近興起的交通混沌這一新興研究課題，較為系統(tǒng)地論述了交通混沌的概念、特征量計算、混沌識別及其預測方法。 該書可供各大專院校作為教材使用，也可供從事相關工作的人員作為參考用書使用。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    交通信息智能預測理論與方法 PDF格式下載

---