论文部分内容阅读
近年来随着我国城市化进程的加快，城市内机动车数量的激增，城市环境状况日趋严峻，单纯通过城市道路基础设施建设无法缓解当前的交通压力。交通流预测预测作为智能交通的重要组成部分，有助于保障交叉路口的畅通，达到缓解交通拥堵的目的，进而在一定程度上解决城市交通事故、交通堵塞、环境污染和能源消耗等社会问题。因此，交通流预测方法研究及系统的开发，具有一定的理论意义和工程应用价值。 本文面向GPS车载数据，设计基于朴素贝叶斯和K-means聚类方法的短时交通流预测算法；采用 OpenLayers+GeoServer+PostgreSQL开源框架设计开发城市道路交通流预测系统，实现了道路交通流的短时预测及交通数据的可视化分析功能。本文的主要工作和成果如下： 1.以城市出租车GPS数据为基础，设计基于K-means聚类方法的道路交通通行状态判断方法。首先，根据预先设定好的阀值清洗掉错误数据；其次，根据车辆的经纬度信息将车辆速度匹配到对应的道路；最后，通过K-means方法对指定周期内的所有车辆速度信息进行聚类计算，根据聚类结果判断道路交通通行状况。 2.针对交通流预测问题，设计了基于朴素贝叶斯的短时交通流预测方法。该方法除了对单个目标道路历史交通路况数据进行分析之外，还通过道路相关性分析删选出对目标道路交通流产生影响的周边道路，并将周边道路的信息作为先验概率，提高了预测效果。 3.在功能、市场需求分析的基础上，设计系统数据库及功能模块；基于OpenLayers+GeoServer+PostgreSQL开源框架开发城市道路交通流预测系统，实现了道路交通流的短时预测以及道路数据统计分析功能；同时，采用历史数据缓存策略达到提高系统运行效率的目的；最后，测试结果表明系统的有效性。