發(fā)布時(shí)間：2021-01-27 10:10

　　隨著我國經(jīng)濟(jì)的發(fā)展、社會的進(jìn)步、生活水平的提高、城市化進(jìn)程的加快,城市交通逐漸完善。道路成了連接各城市的主要干線,同時(shí)也是城市的生命線。但由于私家車數(shù)量的增加、城市建設(shè)的干擾,導(dǎo)致城市道路擁堵日益嚴(yán)重。擁堵的道路大大增加了居民的出行成本,更嚴(yán)重的會造成城市環(huán)境的局部污染。準(zhǔn)確地預(yù)測城市道路未來車速情況能夠幫助解決城市交通擁堵問題。道路的車速受到許多因素的影響,例如天氣、區(qū)域位置節(jié)假日、節(jié)假日等等。為了準(zhǔn)確預(yù)測道路的未來車速,本文開展并完成的工作如下:（1）以出租車軌跡數(shù)據(jù)來估算道路的平均車速。對于實(shí)時(shí)性要求高、數(shù)據(jù)量較大、行駛道路環(huán)境復(fù)雜多變的出租車,采取基于道路幾何信息的匹配算法實(shí)現(xiàn)對GPS數(shù)據(jù)的空間劃分。（2）作為用于神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化的一種算法,遺傳算法中傳統(tǒng)的選擇方法僅保存一個(gè)種群中最優(yōu)秀的個(gè)體,方法容易陷入局部最優(yōu)問題。為解決該問題,本文設(shè)計(jì)了一種基于改進(jìn)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型,通過改進(jìn)遺傳算法的優(yōu)質(zhì)遺傳因子選擇操作來提高遺傳算法的性能,從而能夠更好地優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型。并將此方法用于道路車速預(yù)測建模。（3）道路未來的車速與之前時(shí)段的車速很大的關(guān)系,而預(yù)測選取的預(yù)測特... 

【文章來源】：浙江工業(yè)大學(xué)浙江省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

RNN網(wǎng)絡(luò)結(jié)構(gòu)圖

2 5 8 11 21 8 10 11 13 211 2 3 8 7 3 4 8 10 7改進(jìn)遺傳算法的 BP 網(wǎng)絡(luò)預(yù)測車速模型設(shè)計(jì)出一種遺傳算法優(yōu)化后的 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)車道預(yù)測模型（IG經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖 4-2 所示， 代表上游路段的時(shí)空特征， 代空特征， 代表需預(yù)測路段上周同一天的時(shí)空特征， 表示下游特征值的提取如第三章第二節(jié)所示。天氣類型共有陰、晴、小。天氣信息映射成一個(gè) 15 維的特征向量，星期信息映射成一個(gè) 是一個(gè) 22 維的特征向量。經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)如下所示：（1）輸入層包括 5 個(gè)節(jié)點(diǎn)；（2）隱層3）隱層 2 有 7 個(gè)節(jié)點(diǎn)；（4）輸出層有 1 個(gè)輸出節(jié)點(diǎn)。權(quán)重值V ih權(quán)重值Uf1

浙江工業(yè)大學(xué)碩士學(xué)位論文36圖4-3 傳統(tǒng)遺傳算法收斂過程Figure 4-3. Convergence Process of Traditional GeneticAlgorithms圖4-4 改進(jìn)遺傳算法收斂過程Figure 4-4. Improved genetic algorithm convergence process實(shí)驗(yàn)結(jié)果表明無論是傳統(tǒng)的遺傳算法還是改進(jìn)的遺傳算法，隨著迭代次數(shù)的增加，適應(yīng)度值都先增加，然后達(dá)到平穩(wěn)。傳統(tǒng)的遺傳算法優(yōu)化 BP 神經(jīng)網(wǎng)絡(luò)在第40 次迭代時(shí)，達(dá)到了最大適應(yīng)度值，約為 0.31，而改進(jìn)后的遺傳算法優(yōu)化 BP 神經(jīng)網(wǎng)絡(luò)在迭代 22 次時(shí)達(dá)到了最大適應(yīng)度，為 0.37。因此實(shí)驗(yàn)結(jié)果表明本文提出的改進(jìn)后的遺傳算法優(yōu)化 BP 神經(jīng)網(wǎng)絡(luò)優(yōu)于傳統(tǒng)方法，具有較好的效果。

【參考文獻(xiàn)】：
期刊論文
[1]基于GA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的微電網(wǎng)蓄電池健康狀態(tài)評估[J]. 鄧偉鋒,李振璧.  電測與儀表. 2018(21)
[2]GA-BP神經(jīng)網(wǎng)絡(luò)在煤礦突水水源判別中的應(yīng)用[J]. 徐星,孫光中,田坤云.  煤炭技術(shù). 2018(10)
[3]基于嵌入式車流量實(shí)時(shí)檢測算法研究與實(shí)現(xiàn)[J]. 馬永杰,宋曉鳳,李雪燕,劉姣姣.  液晶與顯示. 2018(09)
[4]不良交通流狀態(tài)實(shí)時(shí)監(jiān)測支持向量機(jī)模型算法研究[J]. 游錦明,方守恩,唐棠,張?zhí)m芳.  交通運(yùn)輸系統(tǒng)工程與信息. 2018(04)
[5]基于DBN的機(jī)載高光譜影像分類[J]. 劉亞靜,趙自雨,劉佳麗.  測繪與空間地理信息. 2018(07)
[6]基于雙向LSTM模型的文本情感分類[J]. 任勉,甘剛.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(07)
[7]基于DBN深度學(xué)習(xí)的期貨市場價(jià)格預(yù)測建模與決策[J]. 陳俊華,郝彥惠,鄭丁文,陳思宇.  計(jì)算機(jī)科學(xué). 2018(S1)
[8]基于DCNNs-LSTM模型的維吾爾語突發(fā)事件識別研究[J]. 黎紅,禹龍,田生偉,吐爾根·依布拉音,趙建國.  中文信息學(xué)報(bào). 2018(06)
[9]遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)壓電陶瓷蠕變預(yù)測[J]. 范偉,林瑜陽,李鐘慎.  電機(jī)與控制學(xué)報(bào). 2018(07)
[10]基于AHP-GABP的農(nóng)業(yè)保險(xiǎn)可持續(xù)發(fā)展評價(jià)[J]. 于慧伶,李新立,陳楠楠.  江蘇農(nóng)業(yè)科學(xué). 2018(07)

博士論文
[1]中國城市規(guī)模、效率與經(jīng)濟(jì)增長研究[D]. 高健.山東大學(xué) 2016

碩士論文
[1]基于小波-ELM及多任務(wù)學(xué)習(xí)-DBN神經(jīng)網(wǎng)絡(luò)的短期停車位預(yù)測方法研究[D]. 圖曉航.吉林大學(xué) 2017
[2]基于深度學(xué)習(xí)的短時(shí)交通擁堵預(yù)測模型[D]. 高曉波.大連理工大學(xué) 2017
[3]基于出租車GPS數(shù)據(jù)的城市交通擁堵識別和關(guān)聯(lián)性分析[D]. 李勇.哈爾濱工業(yè)大學(xué) 2016
[4]小城市交通規(guī)劃特點(diǎn)及方法研究[D]. 馬學(xué)思.山東建筑大學(xué) 2016
[5]我國城市化進(jìn)程中交通擁堵問題及治理措施[D]. 胡艷.湖南師范大學(xué) 2012



本文編號：3002873