交通信息智能預(yù)測(cè)理論與方法

前言

　　城市交通系統(tǒng)屬于典型的非線性復(fù)雜大系統(tǒng)，常規(guī)的預(yù)測(cè)模型與方法對(duì)城市交通信息的預(yù)測(cè)在準(zhǔn)確度方面已顯不足。近年來(lái)，交通信息預(yù)測(cè)研究呈現(xiàn)出智能化、組合化的趨勢(shì)。本書結(jié)合作者近些年來(lái)在此領(lǐng)域教學(xué)和科研方面積累的成果，并參考國(guó)內(nèi)外最新科技文獻(xiàn)，對(duì)目前較為零散的研究成果進(jìn)行體系性梳理?！　”緯状螐慕煌ㄐ畔@取、可預(yù)測(cè)性分析、預(yù)測(cè)建模及預(yù)測(cè)系統(tǒng)設(shè)計(jì)等方而，建立了較為完善的智能交通信息預(yù)測(cè)體系框架。作為集中體現(xiàn)交通信息預(yù)測(cè)智能化、組合化發(fā)展趨勢(shì)的參考書，重點(diǎn)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(luò)、支持向量機(jī)及組合預(yù)測(cè)理論在交通信息預(yù)測(cè)方面的新應(yīng)用和新成果；同時(shí)，針對(duì)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(jì)算、混沌識(shí)別及其預(yù)測(cè)方法?！　〗煌ㄐ畔㈩A(yù)測(cè)是智能交通控制、交通誘導(dǎo)、交通信息服務(wù)等ITS子系統(tǒng)實(shí)施的重要基礎(chǔ)，是ITS領(lǐng)域的重要理論基礎(chǔ)之一。因此，進(jìn)行交通信息預(yù)測(cè)理論體系研究，開發(fā)實(shí)用、智能化的道路交通信息預(yù)測(cè)系統(tǒng)，對(duì)于改善ITS各子系統(tǒng)的性能、提高我國(guó)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(xué)術(shù)價(jià)值和現(xiàn)實(shí)意義。

內(nèi)容概要

交通信息智能預(yù)測(cè)，是指以歷史的、現(xiàn)有的交通及相關(guān)因素的調(diào)查統(tǒng)計(jì)資料為依據(jù)，運(yùn)用智能化的計(jì)算方法，對(duì)目標(biāo)區(qū)域交通系統(tǒng)未來(lái)狀況的測(cè)定。交通信息智能預(yù)測(cè)是預(yù)測(cè)學(xué)的一個(gè)分支，是現(xiàn)代交通規(guī)劃學(xué)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(diǎn)與短時(shí)交通系統(tǒng)動(dòng)力學(xué)特性的基礎(chǔ)上，闡述了可預(yù)測(cè)性分析和交通信息智能預(yù)測(cè)模型選擇方法，建立了完整的道路交通信息智能化預(yù)測(cè)體系；重點(diǎn)論述了交通信息智能預(yù)測(cè)模型與方法，包括灰色預(yù)測(cè)方法、卡爾曼濾波方法、神經(jīng)網(wǎng)絡(luò)方法、支持向量機(jī)方法及組合預(yù)測(cè)方法等。同時(shí)，本書也介紹了基于多Agent理論的智能預(yù)測(cè)系統(tǒng)設(shè)計(jì)方法。    本書取材新穎，體現(xiàn)了近年來(lái)交通信息智能預(yù)測(cè)研究方面的新理論與新進(jìn)展，深入淺出地介紹了交通信息智能預(yù)測(cè)理論體系，并通過(guò)大量實(shí)例闡述了交通信息智能預(yù)測(cè)方法的應(yīng)用。    本書可作為交通工程專業(yè)、自動(dòng)控制專業(yè)、系統(tǒng)工程等專業(yè)本科生、研究生以及相關(guān)學(xué)科領(lǐng)域研究人員的參考書。

書籍目錄

《智能科學(xué)技術(shù)著作叢書》序前言第1章  緒論  1.1  國(guó)內(nèi)外智能交通系統(tǒng)研究概述  1.2  交通信息預(yù)測(cè)研究的必要性  1.3  交通信息預(yù)測(cè)理論與方法    1.3.1  現(xiàn)代預(yù)測(cè)發(fā)展概況    1.3.2  交通信息預(yù)測(cè)方法分類    1.3.3  交通信息預(yù)測(cè)的發(fā)展趨勢(shì)  1.4  交通信息智能預(yù)測(cè)的研究?jī)?nèi)容及工作流程    1.4.1  交通信息智能預(yù)測(cè)的研究?jī)?nèi)容    1.4.2  交通信息智能預(yù)測(cè)流程  1.5  本書內(nèi)容與結(jié)構(gòu)安排  1.6  小結(jié)  參考文獻(xiàn)第2章  交通信息智能預(yù)測(cè)中的信息獲取  2.1  概述  2.2  交通信息檢測(cè)器    2.2.1  移動(dòng)式交通信息獲取    2.2.2  固定式交通信息獲取    2.2.3  基礎(chǔ)交通信息采集  2.3  無(wú)檢測(cè)器道路交通信息獲取    2.3.1  鄰近交叉口關(guān)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(shù)  2.4  小結(jié)  參考文獻(xiàn)第3章  基于動(dòng)力學(xué)特性的交通信息可預(yù)測(cè)性分析  3.1  概述  3.2  交通系統(tǒng)動(dòng)力學(xué)特性分析方法    3.2.1  交通系統(tǒng)動(dòng)力學(xué)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(jì)算  3.4  交通信息可預(yù)測(cè)性分析流程    3.4.1  可預(yù)測(cè)性分析流程    3.4.2  可預(yù)測(cè)性遞歸圖構(gòu)造方法  3.5  交通信息可預(yù)測(cè)性分析實(shí)例    3.5.1  現(xiàn)實(shí)交通系統(tǒng)基本特性分析    3.5.2  現(xiàn)實(shí)交通系統(tǒng)動(dòng)力學(xué)特性分析  3.6  小結(jié)  參考文獻(xiàn)第4章  宏觀交通信息預(yù)測(cè)模型與方法  4.1  概述  4.2  回歸預(yù)測(cè)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(shí)間序列預(yù)測(cè)方法    4.3.1  時(shí)間序列平滑預(yù)測(cè)方法    4.3.2  趨勢(shì)曲線模型預(yù)測(cè)方法  4.4  隨機(jī)性時(shí)間序列預(yù)測(cè)方法    4.4.1  平穩(wěn)時(shí)間序列    4.4.2  白噪聲序列    4.4.3  ARMA模型法及其預(yù)測(cè)步驟    4.4.4  其他隨機(jī)時(shí)間序列預(yù)測(cè)模型  4.5  小結(jié)  參考文獻(xiàn)第5章  基于灰色系統(tǒng)理論的交通信息預(yù)測(cè)方法及應(yīng)用  5.1  概述  5.2  灰色預(yù)測(cè)基本理論    5.2.1  灰色預(yù)測(cè)基本概念    5.2.2  灰色預(yù)測(cè)理論的特點(diǎn)    5.2.3  灰色預(yù)測(cè)模型分類  5.3  GM（1，1）預(yù)測(cè)模型及應(yīng)用    5.3.1  模型的建立    5.3.2  模型檢驗(yàn)分析    5.3.3  殘差辨識(shí)    5.3.4  GM（1，1）預(yù)測(cè)模型應(yīng)用  5.4  交通信息自適應(yīng)灰色預(yù)測(cè)方法及應(yīng)用    5.4.1  自適應(yīng)灰色預(yù)測(cè)原理    5.4.2  交通流量自適應(yīng)灰色預(yù)測(cè)  5.5  幾類新型灰色預(yù)測(cè)模型    5.5.1  灰色馬爾可夫預(yù)測(cè)模型    5.5.2  遺傳優(yōu)化灰色預(yù)測(cè)模型    5.5.3  模糊優(yōu)化灰色預(yù)測(cè)模型  5.6  小結(jié)  參考文獻(xiàn)第6章  基于卡爾曼濾波理論的交通信息預(yù)測(cè)方法及應(yīng)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(yù)測(cè)模型  6.4  基于灰色關(guān)聯(lián)分析的行程時(shí)間卡爾曼濾波方法    6.4.1  行程時(shí)間影響因素灰色關(guān)聯(lián)分析    6.4.2  行程時(shí)間卡爾曼濾波預(yù)測(cè)算法    6.4.3  仿真實(shí)例  6.5  基于主成分分析的行程時(shí)間卡爾曼濾波方法    6.5.1  行程時(shí)間影響因素主成分分析    6.5.2  仿真實(shí)例  6.6  基于卡爾曼濾波與小波的交通信息預(yù)測(cè)方法    6.6.1  小波分析概述    6.6.2  卡爾曼濾波與小波結(jié)合的優(yōu)勢(shì)    6.6.3  基于卡爾曼濾波與小波的交通信息KFW預(yù)測(cè)算法  6.7  小結(jié)  參考文獻(xiàn)第7章  基于人工神經(jīng)網(wǎng)絡(luò)理論的交通信息預(yù)測(cè)方法及應(yīng)用  7.1  概述  7.2  人工神經(jīng)網(wǎng)絡(luò)的基本原理  7.3  人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)形式與學(xué)習(xí)理論    7.3.1  神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)    7.3.2  學(xué)習(xí)理論  7.4  基于BP網(wǎng)絡(luò)的交通信息預(yù)測(cè)方法及應(yīng)用    7.4.1  感知器    7.4.2  BP網(wǎng)絡(luò)及其學(xué)習(xí)算法    7.4.3  BP算法的改進(jìn)    7.4.4  BP網(wǎng)絡(luò)在交通信息預(yù)測(cè)中的應(yīng)用  7.5  基于RBF網(wǎng)絡(luò)的交通信息預(yù)測(cè)方法及應(yīng)用    7.5.1  原始數(shù)據(jù)預(yù)處理    7.5.2  RBF網(wǎng)絡(luò)學(xué)習(xí)算法    7.5.3  仿真實(shí)驗(yàn)及分析  7.6  基于人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法研究新進(jìn)展    7.6.1  遺傳神經(jīng)網(wǎng)絡(luò)    7.6.2  小波神經(jīng)網(wǎng)絡(luò)    7.6.3  粗神經(jīng)網(wǎng)絡(luò)  7.7  小結(jié)  參考文獻(xiàn)第8章  基于支持向量機(jī)理論的交通信息預(yù)測(cè)方法及應(yīng)用  8.1  概述  8.2  支持向量機(jī)理論  8.3  基于支持向量機(jī)理論的交通信息預(yù)測(cè)算法    8.3.1  基于支持向量回歸的交通信息預(yù)測(cè)算法    8.3.2  基于支持向量回歸的交通信息預(yù)測(cè)仿真  8.4  基于粗糙集理論的SVM交通信息預(yù)測(cè)    8.4.1  RS理論概述    8.4.2  基于RS理論的SVM交通信息預(yù)測(cè)原理  8.5  小結(jié)  參考文獻(xiàn)第9章  混沌理論及其在交通信息預(yù)測(cè)中的應(yīng)用研究  9.1  概述  9.2  混沌現(xiàn)象及有關(guān)概念  9.3  交通混沌研究對(duì)于交通信息預(yù)測(cè)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(shí)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(shí)別  9.5  交通混沌時(shí)間序列的全域預(yù)測(cè)方法  9.6  交通混沌時(shí)間序列的局域預(yù)測(cè)方法    9.6.1  加權(quán)零階局域法    9.6.2  加權(quán)一階局域法  9.7  交通混沌時(shí)間序列的最大Lyapunov指數(shù)預(yù)測(cè)方法    9.7.1  最大Lyapunov指數(shù)預(yù)測(cè)算法設(shè)計(jì)    9.7.2  最大Lyapunov指數(shù)預(yù)測(cè)仿真實(shí)驗(yàn)  9.8  小結(jié)  參考文獻(xiàn)第10章  組合預(yù)測(cè)理論及其在交通信息預(yù)測(cè)中的應(yīng)用研究  10.1  概述    10.1.1  組合預(yù)測(cè)的必要性    10.1.2  組合預(yù)測(cè)的優(yōu)勢(shì)    10.1.3  交通信息組合預(yù)測(cè)研究歷程  10.2  交通信息線性組合預(yù)測(cè)理論    10.2.1  線性組合預(yù)測(cè)基本理論    10.2.2  遞歸等權(quán)線性組合預(yù)測(cè)方法    10.2.3  線性組合預(yù)測(cè)中的幾個(gè)熱點(diǎn)問題  10.3  非線性組合預(yù)測(cè)及其在交通信息預(yù)測(cè)中的應(yīng)用研究    10.3.1  非線性組合預(yù)測(cè)原理及其算法設(shè)計(jì)    10.3.2  灰色與多項(xiàng)式非線性組合預(yù)測(cè)仿真實(shí)驗(yàn)  10.4  組合預(yù)測(cè)理論的重要新進(jìn)展  10.5  小結(jié)  參考文獻(xiàn)第11章  基于多Agent的交通信息智能預(yù)測(cè)系統(tǒng)設(shè)計(jì)  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(rèn)知模型    11.2.3  Agent的體系結(jié)構(gòu)    11.2.4  多Agent的基本思想  11.3  基于多Agent理論的智能預(yù)測(cè)系統(tǒng)結(jié)構(gòu)  11.4  基于多Agent理論的交通信息智能預(yù)測(cè)    11.4.1  基于多Agent的交通信息智能預(yù)測(cè)流程    11.4.2  交通信息智能預(yù)測(cè)系統(tǒng)中的Agent類別    11.4.3  交通信息智能預(yù)測(cè)系統(tǒng)仿真  11.5  小結(jié)參考文獻(xiàn)

章節(jié)摘錄

　　第1章　緒論　　1．1　國(guó)內(nèi)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(guān)鍵基礎(chǔ)理論模型研究的前提下，把先進(jìn)的信息技術(shù)、數(shù)據(jù)通信技術(shù)、電子控制技術(shù)及計(jì)算機(jī)處理技術(shù)等有效地綜合運(yùn)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(shí)時(shí)、準(zhǔn)確、高效的交通運(yùn)輸管理系統(tǒng)（研究對(duì)象可以概括為人、車、路）?！　?．世界ITS研究歷程　　交通運(yùn)輸業(yè)的發(fā)展水平是國(guó)家興旺發(fā)達(dá)的重要標(biāo)志之一。交通運(yùn)輸業(yè)的高速發(fā)展，一方面促進(jìn)了物資交流和人們的往來(lái)，大大地縮短了出行時(shí)間，提高了工作效率；另一方面也帶來(lái)了許多弊病，特別是地面汽車交通運(yùn)輸，不論是在發(fā)達(dá)國(guó)家還是在發(fā)展中國(guó)家，都存在著不同程度的問題。尤其近半個(gè)世紀(jì)以來(lái)，交通擁擠、道路阻塞和交通事故頻發(fā)正越來(lái)越嚴(yán)重地困擾著世界各國(guó)的大城市。為了提高道路網(wǎng)絡(luò)的使用效率，解決城市交通擁擠和交通安全問題，從20世紀(jì)60年代以來(lái)，發(fā)達(dá)國(guó)家進(jìn)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(chǔ)上，其目的是獲得交通流量在城市道路網(wǎng)絡(luò)中的分配狀況，從而確定道路網(wǎng)絡(luò)密度是否能滿足現(xiàn)在和未來(lái)的交通需求，這一過(guò)程是解決交通設(shè)施的供給與需求的矛盾，使城市道路網(wǎng)絡(luò)布局合理化。交通控制主要指城市交叉路口的交通信號(hào)控制，目前具有代表性的信號(hào)控制系統(tǒng)包括美國(guó)的TRANSYT系統(tǒng)、英國(guó)的SCOOT系統(tǒng)，以及澳大利亞的SCATS系統(tǒng)等。當(dāng)城市交叉路口采用了先進(jìn)的交通信號(hào)控制系統(tǒng)后，減少了行車延誤時(shí)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(zhì)等。到目前為止，世界上已有350多個(gè)大城市采用了先進(jìn)的交通信號(hào)控制系統(tǒng)，我國(guó)也有沈陽(yáng)、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(yùn)輸網(wǎng)絡(luò)建設(shè)和管理不可缺少的重要環(huán)節(jié)，但實(shí)踐證明，僅僅依靠這兩種措施不足以經(jīng)濟(jì)、高效地解決交通擁擠和交通安全問題。這是因?yàn)榻煌ňW(wǎng)絡(luò)是一個(gè)復(fù)雜大系統(tǒng)，單獨(dú)從車輛方面考慮或單獨(dú)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(yù)測(cè)性分析、預(yù)測(cè)建模及預(yù)測(cè)系統(tǒng)設(shè)計(jì)等方面，建立了較為完善的智能交通信息預(yù)測(cè)體系框架。作為集中體現(xiàn)交通信息預(yù)測(cè)智能化、組合化發(fā)展趨勢(shì)的參考書，重點(diǎn)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(luò)、支持向量機(jī)及組合預(yù)測(cè)理論在交通信息預(yù)測(cè)方面的新應(yīng)用和新成果；同時(shí)，針對(duì)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(jì)算、混沌識(shí)別及其預(yù)測(cè)方法。 該書可供各大專院校作為教材使用，也可供從事相關(guān)工作的人員作為參考用書使用。

圖書封面

圖書標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    交通信息智能預(yù)測(cè)理論與方法 PDF格式下載

---