本文關(guān)鍵詞：基于小波網(wǎng)絡(luò)的交通預(yù)測和道路擇優(yōu)的研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著智能交通系統(tǒng)的快速發(fā)展,智能交通的實時、準確、高效的控制儼然已成為智能交通系統(tǒng)中的重要部分。交通流量預(yù)測作為智能交通系統(tǒng)的基礎(chǔ),可對交通誘導(dǎo),道路擁堵預(yù)警以及最優(yōu)路徑的選擇提供有效的參考數(shù)據(jù)。預(yù)測的精確性直接影響交通管理和控制的成效。同時,由于道路擁堵現(xiàn)象的存在,選擇出合適的駕駛路徑,節(jié)約駕駛時間也顯得格外重要。目前,汽車導(dǎo)航越來越普及,但并不能為人類智能的選擇出耗時最短的路徑,因此,提供最優(yōu)行駛路徑對交通誘導(dǎo)意義重大。針對提高交通流量預(yù)測的準確性,本文對采集的原始交通流數(shù)據(jù)進行整理分析與判斷后,在誤差前向反饋算法以及神經(jīng)網(wǎng)絡(luò)遺傳算法分析的基礎(chǔ)上,確定了小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。然后通過改進的三段式遺傳算法對神經(jīng)網(wǎng)絡(luò)的權(quán)值進行初始化,并由遺傳算法得出的最優(yōu)個體解碼作為小波神經(jīng)的權(quán)值及因子,在此基礎(chǔ)上構(gòu)建出小波神經(jīng)網(wǎng)絡(luò)。最后利用建立的小波神經(jīng)網(wǎng)絡(luò)預(yù)測出交通流量值,并對預(yù)測誤差進行分析,采用Dijkstra算法確定出用時最短的最優(yōu)路徑后,利用MFC對該模型進行軟件實現(xiàn)。
【關(guān)鍵詞】：智能交通 交通流量預(yù)測 小波神經(jīng)網(wǎng)絡(luò) 遺傳算法 Dijkstra算法
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U491;TP183
【目錄】：

• 致謝7-8
• 摘要8-9
• ABSTRACT9-15
• 第一章 緒論15-19
• 1.1 研究的背景和意義15-16
• 1.2 國內(nèi)外研究現(xiàn)狀16-18
• 1.2.1 交通流預(yù)測研究現(xiàn)狀16-17
• 1.2.2 智能交通國內(nèi)外研究現(xiàn)狀17-18
• 1.3 論文主要研究內(nèi)容18-19
• 第二章 BP神經(jīng)網(wǎng)絡(luò)的不足及改進方法19-29
• 2.1 神經(jīng)網(wǎng)絡(luò)發(fā)展歷史及應(yīng)用19-20
• 2.2 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)理論20-23
• 2.3 BP神經(jīng)網(wǎng)絡(luò)的改進方法23-28
• 2.3.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及學(xué)習(xí)算法23-25
• 2.3.2 BP神經(jīng)網(wǎng)絡(luò)的不足25-26
• 2.3.3 BP神經(jīng)網(wǎng)絡(luò)的改進方法26-28
• 2.4 本章小結(jié)28-29
• 第三章 改進小波網(wǎng)絡(luò)預(yù)測模型研究29-48
• 3.1 遺傳算法29-31
• 3.1.1 遺傳算法的基本原理29-30
• 3.1.2 遺傳算法的操作步驟30
• 3.1.3 遺傳算法的特點30-31
• 3.2 小波網(wǎng)絡(luò)31-33
• 3.2.1 小波函數(shù)31-32
• 3.2.2 小波神經(jīng)網(wǎng)絡(luò)32-33
• 3.2.3 小波網(wǎng)絡(luò)與普通BP網(wǎng)絡(luò)性能比較33
• 3.3 改進的遺傳算法優(yōu)化小波網(wǎng)絡(luò)33-45
• 3.3.1 小波網(wǎng)絡(luò)模型33-35
• 3.3.2 數(shù)據(jù)處理及網(wǎng)絡(luò)結(jié)構(gòu)確定35-41
• 3.3.3 三段式遺傳進化算法優(yōu)化網(wǎng)絡(luò)權(quán)值和因子41-45
• 3.4 改進遺傳算法優(yōu)化過程比較分析45-47
• 3.5 本章小結(jié)47-48
• 第四章 優(yōu)化的小波網(wǎng)絡(luò)預(yù)測交通流的研究與應(yīng)用48-68
• 4.1 優(yōu)化的網(wǎng)絡(luò)預(yù)測交通流仿真分析48-50
• 4.2 基于時間權(quán)重的道路擇優(yōu)50-62
• 4.2.1 道路擇優(yōu)的目標確定50-51
• 4.2.2 時間權(quán)重的計算方式確定51-54
• 4.2.3 基于預(yù)測的道路模型分析54-62
• 4.3 基于時間權(quán)重的路網(wǎng)道路選擇62-65
• 4.3.1 基于預(yù)測時間權(quán)重模擬路網(wǎng)的確定62
• 4.3.2 Dijkstra算法選擇最短路徑62-65
• 4.4 基于預(yù)測算法的軟件設(shè)計65-66
• 4.5 本章小結(jié)66-68
• 第五章 總結(jié)及展望68-70
• 5.1 總結(jié)68
• 5.2 展望68-70
• 參考文獻70-73
• 攻讀碩士學(xué)位期間的學(xué)術(shù)活動及成果情況73

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王國鋒;宋鵬飛;張?zhí)N靈;;智能交通系統(tǒng)發(fā)展與展望[J];公路;2012年05期

2 王文英;崔磊;;城市干道路段速度-流量模型及通行能力研究[J];交通標準化;2011年Z1期

3 陸海亭;張寧;黃衛(wèi);夏井新;;短時交通流預(yù)測方法研究進展[J];交通運輸工程與信息學(xué)報;2009年04期

4 祁宏生;王殿海;;信號控制交叉路口車輛排隊長度[J];吉林大學(xué)學(xué)報(工學(xué)版);2009年06期

5 郭敏;肖翔;藍金輝;;道路交通流短時預(yù)測方法綜述[J];自動化技術(shù)與應(yīng)用;2009年06期

6 于泉;孫玲;榮建;;基于浮動車數(shù)據(jù)調(diào)查方法的交叉口延誤計算[J];重慶交通大學(xué)學(xué)報(自然科學(xué)版);2009年02期

7 張和生;張毅;胡東成;;路段平均行程時間估計方法[J];交通運輸工程學(xué)報;2008年01期

8 張和生;張毅;溫慧敏;胡東成;;利用GPS數(shù)據(jù)估計路段的平均行程時間[J];吉林大學(xué)學(xué)報(工學(xué)版);2007年03期

9 姚麗亞;關(guān)宏志;魏連雨;孫立山;;基于實時交通信息的行程時間估算及路徑選擇分析[J];公路交通科技;2006年11期

10 王建玲;蔣陽升;;交通擁擠狀態(tài)的識別與分析[J];系統(tǒng)工程;2006年10期

  本文關(guān)鍵詞：基于小波網(wǎng)絡(luò)的交通預(yù)測和道路擇優(yōu)的研究，由筆耕文化傳播整理發(fā)布。

本文編號：467040