摘要:流量预测是智能交通研究领域的一项重要内容,可以为用户提供实时、准确、可靠的交通信息,并快速准确地了解交通状态的变化,及时采取对策,疏导交通、减少拥挤,使有限的路网资源发挥最大的效率。本文提供了对交通数据进行整理的基本方法和实现技术,为交通流量预测模型提供所需的基础数据。对收集到的数据进行合并,数据缺失判断,修补缺失数据,生成阈值表等步骤,可获得路段交通流量参数特征数据。在此基础上,利用多元回归法对高架路的短时交通流量进行预测和分析。该系统采用C#开发,后台将采集得到的数据存于SQL Server 2005数据库中,支持数据查询并以图表的方式显示。本系统的开发对高架路的交通流量预测和最大效率的利用高架路资源具有重要意义。
关键词:交通数据;多元回归法;预测;图表3812
Design and Implement the method for collecting and forcasting traffic data
Abstract: Traffic Volume Forecasting is an important research in the field of Intelligent Transportation, which can provide users with real-time, accurate and reliable traffic information, quickly and accurately get the changes of traffic, then timely response, traffic dispersion, reducing congestion, thus achieving maximum efficiency in the limited resources. This paper provides basic theories and implementation technique to process traffic data, which provides basic data for forecasting traffic flow. The procedures incorporate merging data, judging and fixing lost data, generating threshold table and so on, then we can get specific parameter data of traffic flow. Based on this, multiple regression is used to forecast and analyze the short-term traffic flow based on the processing traffic data. The system is developed by using C# language, and the data is stored in the database SQL Server 2005, it also support data query and graphically display. The development of this system has great significance on forecasting traffic flow and fully using the resources of elevated road.
Keywords: traffic data; multiple regression; forcast; chart
目录
摘要 i
Abstract i
目录 ii
1 绪论 1
1.1 研究背景 1
1.2 应用现状及前景 1
1.3 课题的目的及意义 2
1.4 论文的组织结构 2
2 交通数据分析及相关技术 4
2.1 基础数据错误分析 4
2.1.1 交通流三参数的基本关系 4
2.1.2 错误数据产生的原因 7
2.2 C#简介 8
2.3 SQL SERVER 2005 10
3 数据整理方法及多元回归模型 12
3.1 错误数据判断 12
3.1.1 错误数据产生的原因 12
3.1.2 错误数据的基本特征 12
3.1.3 错误数据的判断 13
3.2 数据整理方法 14
3.2.1 数据修复 14
3.2.2 数据校验 15
3.3 多元回归分析法 17
3.3.1 多元回归分析模型介绍 17
3.3.2 应用K邻域法的多元回归预测模型 18
4 系统功能分析及设计 21
4.1 系统目标 21
4.2 系统功能组成 22
4.2.1 系统业务流程 22
4.2.2 系统模块分析 24
4.3 数据库设计 26
5 交通数据整理系统的实现 30
5.1 主体功能的实现 30
5.1.1 甄别无效数据 30
5.1.2 数据修补 30