發(fā)布時間：2017-06-04 10:09

  本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的城市交通流量預(yù)測模型研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著我國城鎮(zhèn)化進(jìn)程的不斷深入與汽車行業(yè)的增長,我國的汽車數(shù)量呈高速增長趨勢。過多的機動車帶來了一系列的負(fù)面問題：交通擁堵、交通事故頻發(fā)、能源利用率低、尾氣污染等。其中,交通擁堵問題顯得尤為嚴(yán)峻,目前仍然沒有得到較好的改善。當(dāng)前交通調(diào)控與管理已經(jīng)趨向于智能化,交通流量預(yù)測是交通管理與調(diào)控過程中的關(guān)鍵環(huán)節(jié),準(zhǔn)確的獲得短時交通流量的預(yù)測數(shù)據(jù)具有很大的現(xiàn)實意義。交通流量是一個多變量、時變性強的復(fù)雜參量。目前已有較多的單個預(yù)測模型可以實現(xiàn)交通流量預(yù)測,針對單個預(yù)測模型,研究重點在于如何提高預(yù)測模型的精度。為了提高交通流量預(yù)測模型的精度,本文的工作從以下幾個方面展開：(一)本文首先分析了交通流數(shù)據(jù)的時間特性和空間特性,在充分考慮了交通流量的周期性、隨機性和相似性的基礎(chǔ)之上,根據(jù)日類型因素、時間因素、氣象因素、事故因素等因素對歷史交通數(shù)據(jù)進(jìn)行歸類和劃分。(二)本文介紹了幾種當(dāng)前使用比較廣泛的預(yù)測方法,分別對其原理及使用方法進(jìn)行了闡述,并使用每種方法對交通流量預(yù)測做了實例分析,總結(jié)與對比了各種預(yù)測方法的特點。(三)在對比幾種預(yù)測方法后,本文選擇使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行交通流量預(yù)測。對于交通流體現(xiàn)出的非線性特性以及BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型容易陷入局部極小值的問題,本文首先對基本BP算法進(jìn)行了一定的改進(jìn),使用自適應(yīng)變步長算法來改善BP神經(jīng)網(wǎng)絡(luò)的收斂慢、容易出現(xiàn)振蕩的缺陷；此外,為了搜尋最優(yōu)BP網(wǎng)絡(luò)模型,文中采用了基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型,這是本文的一個創(chuàng)新之處。(四)對于神經(jīng)網(wǎng)絡(luò)的輸入量選擇的問題,本文做了輸入量相關(guān)性的數(shù)學(xué)分析,從眾多影響因素中選擇與期望輸出相關(guān)度較大的因素作為輸入變量,從而提高預(yù)測模型的精度。(五)最后,文中以廣州市道路的交通流量數(shù)據(jù)作為樣本,進(jìn)行了三種不同的MATLAB仿真：1,使用傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行仿真,并通過使用不同數(shù)目的隱層神經(jīng)元數(shù)目得出不同的誤差精度,以此來選擇可以使得誤差精度較高的隱層神經(jīng)元數(shù)目；2,使用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行仿真,采用自適應(yīng)變步長算法來改善BP神經(jīng)網(wǎng)絡(luò)的收斂慢、容易出現(xiàn)振蕩的缺陷；3,使用基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行仿真,得到的BP網(wǎng)絡(luò)模型可以實現(xiàn)預(yù)測精度高、收斂時間短的預(yù)測效果。
【關(guān)鍵詞】：智能交通 神經(jīng)網(wǎng)絡(luò) 交通流量預(yù)測模型 遺傳算法
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U491.14;TP183
【目錄】：

• 摘要4-6
• ABSTRACT6-12
• 第一章 緒論12-19
• 1.1 課題研究的背景及意義12-17
• 1.1.1 交通問題現(xiàn)狀及解決措施12-14
• 1.1.2 智能交通系統(tǒng)14
• 1.1.3 智能交通系統(tǒng)國內(nèi)外研究現(xiàn)狀14-17
• 1.2 交通流量預(yù)測概述17-18
• 1.3 本課題的研究內(nèi)容18-19
• 第二章 交通流理論簡介與特性分析19-24
• 2.1 交通流基本參數(shù)19-20
• 2.2 交通流特性20-21
• 2.3 交通流時間特性分析21-23
• 2.4 交通流空間特性分析23
• 2.5 本章小結(jié)23-24
• 第三章 交通流量預(yù)測方法的對比與分析24-39
• 3.1 多元線性回歸預(yù)測方法24-27
• 3.2 卡爾曼濾波方法27-29
• 3.3 支持向量機方法29-31
• 3.4 人工神經(jīng)網(wǎng)絡(luò)方法31-36
• 3.4.1 人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)31-35
• 3.4.2 人工神經(jīng)網(wǎng)絡(luò)預(yù)測方法35-36
• 3.5 已有方法的比較分析36-38
• 3.6 本章小結(jié)38-39
• 第四章 改進(jìn)的BP算法及輸入相關(guān)性分析39-47
• 4.1 BP神經(jīng)網(wǎng)絡(luò)39-40
• 4.2 改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)40-42
• 4.3 基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)算法42-43
• 4.4 基于神經(jīng)網(wǎng)絡(luò)的預(yù)測模型的輸入量的選取43-46
• 4.4.1 交通流量的自相關(guān)函數(shù)44
• 4.4.2 用FFT對自相關(guān)函數(shù)的快速計算44-45
• 4.4.3 交通流量數(shù)據(jù)的相關(guān)曲線45-46
• 4.5 本章小結(jié)46-47
• 第五章 神經(jīng)網(wǎng)絡(luò)交通流量預(yù)測模型仿真47-53
• 5.1 交通流量預(yù)測模型的結(jié)構(gòu)47-48
• 5.2 BP神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測模型仿真48-49
• 5.3 改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測模型仿真49-50
• 5.4 基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測模型仿真50-52
• 5.5 結(jié)果分析52
• 5.6 本章小結(jié)52-53
• 總結(jié)與展望53-55
• 一、總結(jié)53-54
• 二、展望54-55
• 參考文獻(xiàn)55-58
• 攻讀學(xué)位期間發(fā)表的論文58-60
• 致謝60

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

2 常國任;李仁松;沈醫(yī)文;劉鋼;;基于神經(jīng)網(wǎng)絡(luò)的直升機艦面系統(tǒng)效能評估[J];艦船電子工程;2007年03期

3 陳俊;;神經(jīng)網(wǎng)絡(luò)的應(yīng)用與展望[J];佛山科學(xué)技術(shù)學(xué)院學(xué)報(自然科學(xué)版);2009年05期

4 許萬增;;神經(jīng)網(wǎng)絡(luò)的研究及其應(yīng)用[J];國際技術(shù)經(jīng)濟研究學(xué)報;1990年01期

5 張軍華;神經(jīng)網(wǎng)絡(luò)技術(shù)及其在軍用系統(tǒng)中的應(yīng)用[J];現(xiàn)代防御技術(shù);1992年04期

6 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡(luò)在預(yù)報控制中的應(yīng)用[J];機床;1993年11期

7 靳蕃;神經(jīng)網(wǎng)絡(luò)及其在鐵道科技中應(yīng)用的探討[J];鐵道學(xué)報;1993年02期

8 宋玉華，，王啟霞;神經(jīng)網(wǎng)絡(luò)診斷──神經(jīng)網(wǎng)絡(luò)在自動化領(lǐng)域里的應(yīng)用[J];中國儀器儀表;1994年03期

9 魏銘炎;國內(nèi)外神經(jīng)網(wǎng)絡(luò)技術(shù)的研究與應(yīng)用概況[J];電機電器技術(shù);1995年04期

10 王中賢，錢頌迪;神經(jīng)網(wǎng)絡(luò)法在經(jīng)濟管理中的應(yīng)用[J];航天工業(yè)管理;1995年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

10 張廣遠(yuǎn);萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達(dá)大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學(xué)計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國際先進(jìn)水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

  本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的城市交通流量預(yù)測模型研究，由筆耕文化傳播整理發(fā)布。

本文編號：420670