發(fā)布時間：2017-05-05 19:03

  本文關(guān)鍵詞：基于實時路況的動態(tài)路徑規(guī)劃研究，由筆耕文化傳播整理發(fā)布。

【摘要】：及時、準(zhǔn)確地交通流預(yù)測是智能交通管理的重要前提,是交通數(shù)據(jù)挖掘研究中非常重要的問題之一。它可以引導(dǎo)交通流走向,方便交通管理,在智能交通系統(tǒng)的設(shè)計與實現(xiàn)中起著至關(guān)重要的作用。交通速度預(yù)測作為交通流預(yù)測的一個重要方向,可以直觀的反應(yīng)道路交通狀況。交通速度預(yù)測是基于道路的歷史交通速度值和變化規(guī)律來預(yù)測未來的道路速度值和變化趨勢。然后根據(jù)預(yù)測的交通速度信息,來推斷未來道路可能的通行狀態(tài),以此合理規(guī)劃出行路線。這種預(yù)知性的規(guī)劃出行路線,可以減少人們出行堵塞等待時間,緩解交通壓力,有助于交通管理和控制。本文針對智能交通系統(tǒng)中短時交通速度預(yù)測和動態(tài)路徑規(guī)劃問題展開了深入研究。短時交通流預(yù)測是智慧城市中交通路況判斷的重要依據(jù),是路徑規(guī)劃的基本前提,它需要對歷史交通數(shù)據(jù)進行挖掘分析。由于交通數(shù)據(jù)時變性的特點,現(xiàn)有的數(shù)據(jù)挖掘算法不可以直接用于交通領(lǐng)域知識的挖掘,也不能在大規(guī)模交通速度數(shù)據(jù)挖掘中直接高效實現(xiàn),為此本文提出遺傳算法和小波神經(jīng)網(wǎng)絡(luò)組合的方法(GA-WNN)來實現(xiàn)短時交通速度預(yù)測。GA-WNN主要是針對小波神經(jīng)網(wǎng)絡(luò)容易陷入局部最小值的缺點,提出利用遺傳算法全局搜索的能力對小波神經(jīng)網(wǎng)絡(luò)初始系數(shù)進行優(yōu)化,然后再把優(yōu)化后的參數(shù)輸入神經(jīng)網(wǎng)絡(luò),利用網(wǎng)絡(luò)基本結(jié)構(gòu)預(yù)測未來交通速度。通過實驗結(jié)果對比,可以得到基于遺傳算法和小波神經(jīng)的組合模型交通速度預(yù)測結(jié)果與實際交通速度具有較高的吻合度。通過短時交通速度預(yù)測可以得到道路的實時交通速度信息,然后經(jīng)過交通信息融合系統(tǒng)和交通管理系統(tǒng)的分析處理,便可以得到道路對應(yīng)的實時交通路況信息,為進一步的交通路徑規(guī)劃提供數(shù)據(jù)和理論依據(jù)。最后在短時交通速度預(yù)測基礎(chǔ)上,我們根據(jù)出行者對出行時間、距離和速度等因素的需求,利用改進的蟻群算法,實現(xiàn)了實時動態(tài)路徑規(guī)劃。通過仿真實驗證明,根據(jù)短時交通速度預(yù)測做出的實時動態(tài)路徑規(guī)劃在出行距離,出行時間,出行費用方面更符合出行者的需求,為緩解交通壓力、協(xié)助交通控制和管理、減少交通事故、減少尾氣排放做出了貢獻。
【關(guān)鍵詞】：智能交通系統(tǒng) 短時交通速度預(yù)測 實時動態(tài)路徑規(guī)劃 遺傳算法 小波神經(jīng)網(wǎng)絡(luò)模型
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U495;TP18
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-22
• 1.1 研究相關(guān)10-14
• 1.2 課題相關(guān)領(lǐng)域發(fā)展現(xiàn)狀14-18
• 1.2.1 短時交通速度預(yù)測的研究現(xiàn)狀14-17
• 1.2.2 交通路徑規(guī)劃的研究現(xiàn)狀17-18
• 1.3 論文主要工作18-20
• 1.4 論文的組織結(jié)構(gòu)20-22
• 第二章 基于小波神經(jīng)網(wǎng)絡(luò)的短時交通速度預(yù)測22-36
• 2.1 問題分析22
• 2.2 交通流預(yù)測基本特征參數(shù)22-24
• 2.3 交通數(shù)據(jù)預(yù)處理24-28
• 2.3.1 交通數(shù)據(jù)故障識別25
• 2.3.2 數(shù)據(jù)修復(fù)方法25-27
• 2.3.3 數(shù)據(jù)歸一化27-28
• 2.4 小波神經(jīng)網(wǎng)絡(luò)模型28-34
• 2.4.1 神經(jīng)網(wǎng)絡(luò)概述28
• 2.4.2 小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型28-31
• 2.4.3 小波神經(jīng)網(wǎng)絡(luò)算法流程31-32
• 2.4.4 小波神經(jīng)網(wǎng)絡(luò)模型實驗分析32-34
• 2.5 本章小結(jié)34-36
• 第三章 基于遺傳算法和小波神經(jīng)網(wǎng)絡(luò)的短時交通速度預(yù)測36-45
• 3.1 遺傳算法原理36-38
• 3.2 遺傳算法改進小波神經(jīng)網(wǎng)絡(luò)模型38-44
• 3.2.1 遺傳算法改進小波神經(jīng)網(wǎng)絡(luò)的基本原理38-41
• 3.2.2 基于遺傳優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的短時交通速度預(yù)測實驗41-44
• 3.3 本章小結(jié)44-45
• 第四章 基于實時路況的動態(tài)路徑規(guī)劃45-62
• 4.1 實時動態(tài)路徑規(guī)劃問題45
• 4.2 交通路網(wǎng)數(shù)據(jù)存儲結(jié)構(gòu)45-48
• 4.2.1 圖相鄰矩陣數(shù)據(jù)存儲46-47
• 4.2.2 圖相鄰鏈表數(shù)據(jù)存儲47-48
• 4.3 基于改進蟻群算法的動態(tài)路徑規(guī)劃48-55
• 4.3.1 基本蟻群算法原理48-52
• 4.3.2 改進的蟻群算法52-53
• 4.3.3 多約束蟻群算法53-55
• 4.4 仿真實驗和結(jié)果分析55-61
• 4.4.1 實時動態(tài)路徑規(guī)劃思想55-57
• 4.4.2 路徑規(guī)劃仿真實驗57-61
• 4.5 本章小結(jié)61-62
• 第五章 總結(jié)與展望62-64
• 5.1 研究結(jié)論62
• 5.2 研究展望62-64
• 致謝64-66
• 參考文獻66-70
• 附錄70

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 黃永紅;徐勇;;基于小波神經(jīng)網(wǎng)絡(luò)的某邊坡預(yù)測研究[J];測繪工程;2012年02期

2 祖哲;畢貴紅;劉力;郝娟;;基于小波神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測模型研究[J];計算機技術(shù)與發(fā)展;2012年10期

3 霍禹同;;基于小波神經(jīng)網(wǎng)絡(luò)的電機自動控制研究[J];信息與電腦(理論版);2013年09期

4 江亞東,丁麗萍,夏克儉,李恪,陳因頎;基于小波神經(jīng)網(wǎng)絡(luò)的混沌模式提取[J];北京科技大學(xué)學(xué)報;2001年05期

5 陳農(nóng),賈區(qū)耀;用自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)辨識動態(tài)實驗數(shù)據(jù)[J];飛行力學(xué);2001年01期

6 張增芳,陳瑞中,齊保謙,陸英北;基于小波神經(jīng)網(wǎng)絡(luò)的心電數(shù)據(jù)壓縮研究[J];廣西工學(xué)院學(xué)報;2002年01期

7 任少龍,鐘秋海,嚴(yán)承華;小波神經(jīng)網(wǎng)絡(luò)在裝備研制費預(yù)測與控制中的應(yīng)用[J];海軍工程大學(xué)學(xué)報;2002年05期

8 董杰,馬壯,吳云,李嘉林;遺傳小波神經(jīng)網(wǎng)絡(luò)在飛機加油管路設(shè)計中的應(yīng)用[J];機械科學(xué)與技術(shù);2002年S1期

9 趙學(xué)智,鄒春華,陳統(tǒng)堅,葉邦彥,彭永紅;小波神經(jīng)網(wǎng)絡(luò)的參數(shù)初始化研究[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2003年02期

10 楊春玲,楊茂華,胡艷,戴景民;小波神經(jīng)網(wǎng)絡(luò)在多波長輻射測溫中的應(yīng)用[J];計量學(xué)報;2003年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 胡博;陶文華;崔博;白一彤;尹旭;;基于小波神經(jīng)網(wǎng)絡(luò)的異步電機故障診斷[A];2009中國控制與決策會議論文集（2）[C];2009年

2 何正友;錢清泉;;一種改進小波神經(jīng)網(wǎng)絡(luò)模型在電力故障信號識別中的應(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

3 魯艷軍;陳漢新;陳緒兵;;基于小波神經(jīng)網(wǎng)絡(luò)的齒輪裂紋故障診斷[A];節(jié)能減排 綠色制造 智能制造——低碳經(jīng)濟下高技術(shù)制造產(chǎn)業(yè)與智能制造發(fā)展論壇論文集[C];2010年

4 董健;尹萌;張輝;;小波神經(jīng)網(wǎng)絡(luò)結(jié)合多項式的混合預(yù)測方法在通信規(guī)劃中的應(yīng)用[A];2011全國無線及移動通信學(xué)術(shù)大會論文集[C];2011年

5 謝建宏;張為公;;復(fù)合材料疲勞剩余壽命預(yù)測的動態(tài)小波神經(jīng)網(wǎng)絡(luò)方法[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

6 陳建秋;張新政;;基于小波神經(jīng)網(wǎng)絡(luò)的水質(zhì)預(yù)測應(yīng)用研究[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

7 孫正貴;;小波神經(jīng)網(wǎng)絡(luò)的高效學(xué)習(xí)算法及應(yīng)用研究[A];中南六省（區(qū)）自動化學(xué)會第24屆學(xué)術(shù)年會會議論文集[C];2006年

8 黃敏;朱啟兵;崔寶同;;基于小波神經(jīng)網(wǎng)絡(luò)的軋機特性回歸[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

9 周紹磊;張文廣;李新;;一種基于改進遺傳算法的小波神經(jīng)網(wǎng)絡(luò)[A];2007年中國智能自動化會議論文集[C];2007年

10 杜青;劉劍飛;劉娟;喬延華;;基于小波神經(jīng)網(wǎng)絡(luò)的模擬調(diào)制信號自動識別[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國青年通信學(xué)術(shù)會議論文集（下冊）[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 侯霞;小波神經(jīng)網(wǎng)絡(luò)若干關(guān)鍵問題研究[D];南京航空航天大學(xué);2006年

2 章文俊;小波神經(jīng)網(wǎng)絡(luò)算法及其船舶運動控制應(yīng)用研究[D];大連海事大學(xué);2014年

3 高協(xié)平;小波參數(shù)化與小波神經(jīng)網(wǎng)絡(luò)研究[D];湖南大學(xué);2003年

4 宋清昆;自適應(yīng)結(jié)構(gòu)優(yōu)化神經(jīng)網(wǎng)絡(luò)控制研究[D];哈爾濱理工大學(xué);2009年

5 李永紅;廣義小波神經(jīng)網(wǎng)絡(luò)實現(xiàn)雷達相關(guān)濾波的研究[D];大連海事大學(xué);2000年

6 銀俊成;量子信道與量子小波神經(jīng)網(wǎng)絡(luò)相關(guān)問題研究[D];陜西師范大學(xué);2013年

7 李文軍;多小波和小波神經(jīng)網(wǎng)絡(luò)構(gòu)造及其在電弧故障診斷中的應(yīng)用研究[D];吉林大學(xué);2008年

8 劉守生;遺傳算法與小波神經(jīng)網(wǎng)絡(luò)中若干問題的研究[D];南京航空航天大學(xué);2005年

9 黃同成;基于小波神經(jīng)網(wǎng)絡(luò)理論的VOCR與HOCR技術(shù)研究[D];上海大學(xué);2008年

10 蔡振禹;基于粗集—小波神經(jīng)網(wǎng)絡(luò)的煤炭企業(yè)管理研究[D];天津大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張清華;小波神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化及其應(yīng)用[D];東北農(nóng)業(yè)大學(xué);2009年

2 王建雙;基于小波神經(jīng)網(wǎng)絡(luò)控制器設(shè)計與研究[D];哈爾濱理工大學(xué);2009年

3 張蓉暉;小波神經(jīng)網(wǎng)絡(luò)及其在模擬電路診斷中的應(yīng)用[D];華中科技大學(xué);2008年

4 吳曦;基于隨機小波神經(jīng)網(wǎng)絡(luò)的一類隨機過程的逼近[D];西北工業(yè)大學(xué);2001年

5 王勇;基于小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷的研究[D];內(nèi)蒙古工業(yè)大學(xué);2006年

6 孫新強;基于小波神經(jīng)網(wǎng)絡(luò)的板料沖壓回彈研究[D];西南交通大學(xué);2015年

7 但立;基于小波神經(jīng)網(wǎng)絡(luò)的地面三維激光掃描點云數(shù)據(jù)的滑坡監(jiān)測研究[D];長安大學(xué);2015年

8 王超;基于智能算法的含酸性氣體甲烷水合物形成條件預(yù)測研究[D];中國石油大學(xué)(華東);2014年

9 付夢瑤;電動負(fù)載模擬器的控制方法研究[D];中北大學(xué);2016年

10 姜琳珊;基于區(qū)間小波神經(jīng)網(wǎng)絡(luò)的高爐爐溫預(yù)測[D];東北大學(xué);2014年

  本文關(guān)鍵詞：基于實時路況的動態(tài)路徑規(guī)劃研究，，由筆耕文化傳播整理發(fā)布。

本文編號：346899