导读:本文包含了交通流数据论文开题报告文献综述及选题提纲参考文献，主要关键词:灰色预测模型,Matlab技术,神经网络系统
交通流数据论文文献综述
邓峻鹏,罗伟鑫,阮丽娟,高卓[1]（2019）在《道路交通流拥堵预测的数据分析》一文中研究指出通过收集深圳市某路段拥堵时间的平均速度,先对原始数据进行处理,然后构建灰色预测模型来预测道路拥堵变化。通过Matlab计算道路发生拥堵后的平均速度预测值为■(41.71,40.19,41.01,41.85,42.71,43.59,44.48,45.39)。根据预测值可以分析:该路段在9-10这个时间段最为拥堵,其他的时间段为较拥堵状态。最后,建立神经网络系统对预测结果进行验证证明结果可靠。(本文来源于《电脑编程技巧与维护》期刊2019年11期）
张辉,李锁平,刘梦吉[2]（2019）在《基于交通流理论的检测数据多元函数补全方法》一文中研究指出数据是研究交通系统,制定公路及城市道路运营及监管的基础,近年来交通数据的采集主要通过各类布设在道路的数据检测器进行自动获取,然而,由于检测设备老化、传输线路故障等原因,道路检测器采集到的交通数据存在一定的质量问题。文章根据检测器的性质特点分析检测器易损数据类型,并基于现代交通流理论剖析检测数据之间的内在数学关系,通过构建多元函数并进行参数最优化标定,提出补全道路检测器速度数据的数学拟合方法。应用苏嘉杭高速公路历史数据对所提方法进行了验证,结果表明,该方法对检测器速度数据的平均填补精度达到91.2%。文章提出的方法可以普遍应用在高速公路及城市道路,补全缺失和异常的交通数据,为交通研究和管理人员研究交通流运行特征,制定合理的管理策略提供支持。(本文来源于《品质交通与协同共治——2019年中国城市交通规划年会论文集》期刊2019-10-16）
何龙庆,陈伦,蒋金勇[3]（2019）在《基于时空数据驱动的交通流预测》一文中研究指出实时、有效的交通预测有助于对城市交通流进行精细化管控,从而提升交通运行效率和城市品质。在分析交通流数据特性的基础上,提出一种基于栈式自编码神经网络的预测模型,该模型根据交通流时空关联特性构建多维度特征变量,经栈式自编码器进行数据重构,利用神经网络完成预测。结合北京市二环快速路的微波数据进行实例验证,结果表明该模型方法比传统的BP神经网络和支持向量机具有更好的预测精度。(本文来源于《交通与运输》期刊2019年S1期）
阮嘉琨,蔡延光,乐冰[4]（2019）在《基于DBSCAN密度聚类算法的高速公路交通流异常数据检测》一文中研究指出由于高速公路交通流数据的复杂多变性以及随机波动性强,而导致传统的异常数据识别方法很难准确检测出其交通流异常数据,提出了采用DBSCAN密度聚类算法来检测高速公路交通流异常数据。DBSCAN密度聚类算法能够有效地对高速路交通流数据进行准确地分类而分离出异常样本,从而检测出其异常交通流数据。结合实验表明,该高速路交通流异常数据检测方法达到了较好的效果,能够满足实际路况的检测需求。(本文来源于《工业控制计算机》期刊2019年07期）
李欣[5]（2019）在《基于Spark/HBase的交通流数据存储及索引模型探讨》一文中研究指出为了对海量增长的交通流数据进行处理和管理,需要基于大数据框架设计更加高效的数据存储及索引模型,以满足智能交通应用的需求。该文设计了基于Spark/HBase的系统架构以及基于混合时空编码行键和动态扩展属性列族的交通流数据存储及索引模型,并在此模型基础上,通过语义解析、时空行键索引查询、并行属性条件过滤实现交通流大数据高效语义查询。对比实验证明,该文设计的交通流大数据并行处理框架在清洗、索引和存储数据时运算高效,构建的混合时空编码行键索引时空权重均衡,能够实现更加高效的交通流大数据访存管理,可为智能交通应用提供技术基础。(本文来源于《地理与地理信息科学》期刊2019年04期）
邓晶,张倩[6]（2019）在《基于数据挖掘技术的交通流预测模型》一文中研究指出本文针对交通数据挖掘领域的交通流预测问题进行研究和实现.主要对数据挖掘技术应用于交通流数据的特征选择和交通流预测模型的建立提出算法.在对采样数据进行清洗后,以分类与回归决策树作为基学习器,采用梯度提升决策树进行回归拟合,计算出交通数据的特征重要度.并以此重要度作为自适应特征选择的依据.其次,采用聚类算法对选取后的特征数据进行聚类分析,缩小样本大小的同时,同类数据更加相似.最后,以实时数据匹配相应聚类作为训练数据集,使用经过人工鱼群算法优化参数后的支持向量机进行交通流预测.本文结尾通过实验数据论证本文所提出的算法和模型.(本文来源于《计算机系统应用》期刊2019年07期）
杨奎河,张行,王晓东[7]（2019）在《基于多源数据融合的交通流状态识别研究》一文中研究指出针对城市道路交通流状态时刻都在变化、单一检测方式得出的数据不准确的特点,提出融合多种检测数据的交通流状态识别。将多种检测方式的交通流数据经过预处理,通过融合多种路段平均速度的模糊聚类方法,实现多源数据的相互校验,最后得到交通流状态的更加准确的识别。实验表明,此方法在一种检测数据出现较大误差时能经过其他检测数据修正得到更准确的结果。(本文来源于《信息通信》期刊2019年07期）
李响,古家旗,陈俞而,蔡志杰,曹沅[8]（2019）在《基于多源监测数据的道路交通流状态重构研究》一文中研究指出根据给定区域多源监测的道路交通流数据对实际道路交通状况进行评估.通过对多源数据的清洗与融合,获得描述交通流状况的基本参数.将参数应用于偏微分方程模型及仿真模拟中,分别从宏观和微观的角度对区域内交通流变化情况进行预测.依据预测结果,为交通问题的科学管理提出了建议.(本文来源于《数学建模及其应用》期刊2019年02期）
张卓伟,陶刚,李熙莹,桂林卿,张伟斌[9]（2019）在《基于SCATS数据的城市短时交通流组合预测模型》一文中研究指出实时准确的短时交通流量预测是城市交通控制的前提条件。现有的研究往往不能充分考虑交通流时间序列间的时空相关性,且提出的单一预测模型通常仅能利用数据中的部分有用信息,导致模型的预测精度不高。本文提出了一种基于悉尼协调自适应交通控制系统(SCATS)数据的城市短时交通流组合预测模型。通过对预测断面及其相邻区域内的断面组应用多维标度法,找出与预测断面相关性较高的一些断面,再对由这些断面的不同时滞形成的时空特征进行特征选择,最后确定出最佳输入特征。同时,将卡尔曼滤波模型与支持向量回归机(SVR)模型线性加权得到的组合预测模型能够利用两个模型的各自优势,取得更佳的预测效果。实验结果表明:与其他常用模型及其模型的变体相比,本文提出的组合预测模型的预测精度最高。(本文来源于《2019世界交通运输大会论文集（上）》期刊2019-06-13）
焦港欣,张俊峰,杨灿[10]（2019）在《基于收费数据的高速公路断面交通流特性分析》一文中研究指出高速公路交通流特性分析是交通流理论研究的核心,基于高速公路收费数据进行数据挖掘,并对其表现出的交通特性进行深度分析,具有十分重要的现实意义。基于此,本文从实际收费数据提取基本交通参数,并以此为基础进行高速公路的不同车型出行规律分析,接着进行断面流量时空分布特性的分析,最后基于SPSS进行混合流车速分析。(本文来源于《2019世界交通运输大会论文集（上）》期刊2019-06-13）
交通流数据论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
数据是研究交通系统,制定公路及城市道路运营及监管的基础,近年来交通数据的采集主要通过各类布设在道路的数据检测器进行自动获取,然而,由于检测设备老化、传输线路故障等原因,道路检测器采集到的交通数据存在一定的质量问题。文章根据检测器的性质特点分析检测器易损数据类型,并基于现代交通流理论剖析检测数据之间的内在数学关系,通过构建多元函数并进行参数最优化标定,提出补全道路检测器速度数据的数学拟合方法。应用苏嘉杭高速公路历史数据对所提方法进行了验证,结果表明,该方法对检测器速度数据的平均填补精度达到91.2%。文章提出的方法可以普遍应用在高速公路及城市道路,补全缺失和异常的交通数据,为交通研究和管理人员研究交通流运行特征,制定合理的管理策略提供支持。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
交通流数据论文参考文献
[1].邓峻鹏,罗伟鑫,阮丽娟,高卓.道路交通流拥堵预测的数据分析[J].电脑编程技巧与维护.2019
[2].张辉,李锁平,刘梦吉.基于交通流理论的检测数据多元函数补全方法[C].品质交通与协同共治——2019年中国城市交通规划年会论文集.2019
[3].何龙庆,陈伦,蒋金勇.基于时空数据驱动的交通流预测[J].交通与运输.2019
[4].阮嘉琨,蔡延光,乐冰.基于DBSCAN密度聚类算法的高速公路交通流异常数据检测[J].工业控制计算机.2019
[5].李欣.基于Spark/HBase的交通流数据存储及索引模型探讨[J].地理与地理信息科学.2019
[6].邓晶,张倩.基于数据挖掘技术的交通流预测模型[J].计算机系统应用.2019
[7].杨奎河,张行,王晓东.基于多源数据融合的交通流状态识别研究[J].信息通信.2019
[8].李响,古家旗,陈俞而,蔡志杰,曹沅.基于多源监测数据的道路交通流状态重构研究[J].数学建模及其应用.2019
[9].张卓伟,陶刚,李熙莹,桂林卿,张伟斌.基于SCATS数据的城市短时交通流组合预测模型[C].2019世界交通运输大会论文集（上）.2019
[10].焦港欣,张俊峰,杨灿.基于收费数据的高速公路断面交通流特性分析[C].2019世界交通运输大会论文集（上）.2019