1. 毕业设计（论文）主要目标：
（1）本文将基于函数型数据的聚类分析方法建立道路交通流量预测模型。（2）预测的内容包括了短期预测和长期预测。短期预测主要基于交通流量实时数据预测未来几分钟、几小时或者明天的交通出行情况；长时预测主要采用对过去掌握的交通流量信息进行分析，预测未来同一时段的交通拥堵情况。（3）本文搜集了2019年1月英国道路某一站点不同天的道路交通流量数据，并对其进行聚类分析。若能搜集到同一天不同站点的交通流量数据，则对这些站点进行聚类分析，研究不同情况下道路拥堵情况的相似性与差异性。（4）采用A1站点数据，即A393与A1(M)J40之间道路西向车道交通流量数据进行分析并预测短期及长期交通流量状况，同时针对计算结果对交管部门提出相应的政策建议。
2. 毕业设计（论文）主要内容：
早期的交通流量预测主要为交通控制系统服务，现如今不少研究者也正在积极讨论交通流量预测的其他方法。
本课题主要结合2019年英国道路站点的交通流量数据，采用函数型数据聚类分析这一方法对实例数据进行研究，分析同一站点在不同时间的交通流量变化情况以及不同站点在同一时间交通流量数据的相似情况。
并且选取某站点（A1），结合交通流量变化情况相似的时间状态进行进一步深入研究，以其实时交通流量数据为基础，建立短时预测模型；以道路交通流量周期性变化特征为基础，构建了交通运行状态长时预测模型。
3. 主要参考文献
[1] Wagner-Muns, I. M., Guardiola, I.G.. A functional data analysis approach to traffic volume forecasting[J]. IEEE: TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, 2018: 878-888.[2] Chiou, J. M., Zhang, Y. C., Chen, W. H., Chang, C. W.. A functional data approach to missing value imputation and outlier detection for traffic flow data[J]. Transportmetrica B: Transport Dynamics, 2014, (2): 106-129.[3] Pawar, A. R. and Aote, S.S.. Survey of traffic volume forecasting[J]. International Journal of Computer Sciences and Engineering, 2017, 12(5): 218-222.[4] Williams, B. M., Hoel, L. A. Modeling and forecasting vehicular traffic flow as a seasonal ARIMA process: theoretical basis and empirical results[J]. Journal of Transportation Engineering, 2003, 129(6): 664-672. [5] Okutani, I., Stephanedes, Y. J.. Dynamic prediction of traffic volume through Kalman filtering theory[J]. Transportation Research Part B: Methodological, 1984, 18(1): 1-11. [6] 苏飞. 城市道路路网交通运行状态分析方法及应用研究[D]. 北京交通大学, 2017.[7] 丛新宇, 虞慧群, 范贵生. 基于组合模型的交通流量预测方法[J]. 华东理工大学学报(自然科学版), 2011, 37(03): 340-345.[8] 韦凌翔等, 短时交通流量预测方法[J]. 山东交通学院学报, 2017. 25(3): 22-29.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
