本文關(guān)鍵詞：基于短時(shí)交通流預(yù)測(cè)的城市區(qū)域交通信號(hào)控制研究

  更多相關(guān)文章： 短時(shí)交通流預(yù)測(cè) 區(qū)域交通信號(hào)控制 小波神經(jīng)網(wǎng)絡(luò) 關(guān)鍵交叉路口

【摘要】：城市交通問(wèn)題是困擾城市發(fā)展、制約城市經(jīng)濟(jì)建設(shè)的重要因素。針對(duì)城市交通擁堵問(wèn)題的解決途徑主要有交通誘導(dǎo)和交通控制,而實(shí)現(xiàn)交通誘導(dǎo)和交通控制的關(guān)鍵則是能否對(duì)交通流進(jìn)行短時(shí)的預(yù)測(cè)。本文以研究短時(shí)交通流預(yù)測(cè)為切入點(diǎn),對(duì)傳統(tǒng)預(yù)測(cè)算法的缺點(diǎn)進(jìn)行改進(jìn)和優(yōu)化,提出以改進(jìn)短時(shí)交通流預(yù)測(cè)模型為基礎(chǔ)的城市區(qū)域交通信號(hào)控制方案。論文首先介紹了課題的研究背景及實(shí)際意義,總結(jié)了短時(shí)交通流預(yù)測(cè)的主要模型,介紹了國(guó)內(nèi)外比較具有代表性的城市交通信號(hào)控制系統(tǒng)。同時(shí),簡(jiǎn)要介紹了神經(jīng)網(wǎng)絡(luò)和小波理論以及兩者的組合即小波神經(jīng)網(wǎng)絡(luò),并以小波神經(jīng)網(wǎng)絡(luò)為框架搭建了短時(shí)交通流預(yù)測(cè)模型。針對(duì)小波神經(jīng)網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)量難以確定的問(wèn)題,提出基于經(jīng)驗(yàn)公式的雙邊搜索法找尋最優(yōu)值；針對(duì)網(wǎng)絡(luò)收斂速度慢和易陷入局部極小等問(wèn)題,提出在網(wǎng)絡(luò)訓(xùn)練過(guò)程中增加動(dòng)量項(xiàng)和自適應(yīng)學(xué)習(xí)率,同時(shí)運(yùn)用遺傳算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的初始參數(shù)。運(yùn)用實(shí)際交通流數(shù)據(jù)對(duì)預(yù)測(cè)模型進(jìn)行仿真并與其他傳統(tǒng)預(yù)測(cè)模型進(jìn)行對(duì)比,仿真結(jié)果表明該預(yù)測(cè)模型具有較好的預(yù)測(cè)結(jié)果。其次,論文介紹了城市區(qū)域交通信號(hào)控制的相關(guān)理論。本文提出采用遞階控制結(jié)構(gòu)將城市區(qū)域劃分成若干子區(qū),運(yùn)用改進(jìn)的短時(shí)交通流預(yù)測(cè)算法預(yù)測(cè)子區(qū)各交叉路口的相關(guān)交通流數(shù)據(jù),并基于這些預(yù)測(cè)數(shù)據(jù)確定了關(guān)鍵交叉路口以及子區(qū)主干道和非主干道,通過(guò)對(duì)主干道和非主干道的交通信號(hào)控制實(shí)現(xiàn)對(duì)子區(qū)的控制,通過(guò)子區(qū)間的協(xié)調(diào)控制實(shí)現(xiàn)城市區(qū)域的交通信號(hào)控制。本文將提出的子區(qū)控制方案和傳統(tǒng)定時(shí)控制方案進(jìn)行對(duì)比,仿真結(jié)果表明提出的子區(qū)控制方案控制效果較好并具有一定的應(yīng)用價(jià)值。論文最后對(duì)研究成果進(jìn)行了總結(jié),并提出了本文的不足以及有待進(jìn)-步研究的方向。
【關(guān)鍵詞】：短時(shí)交通流預(yù)測(cè) 區(qū)域交通信號(hào)控制 小波神經(jīng)網(wǎng)絡(luò) 關(guān)鍵交叉路口
【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：U491.54;TP183
【目錄】：

• 摘要3-4
• Abstract4-10
• 1 緒論10-17
• 1.1 課題研究背景及實(shí)際意義10
• 1.2 短時(shí)交通流預(yù)測(cè)研究現(xiàn)狀10-13
• 1.2.1 基于傳統(tǒng)統(tǒng)計(jì)理論的模型11-12
• 1.2.2 基于現(xiàn)代科學(xué)技術(shù)的模型12-13
• 1.2.3 組合模型13
• 1.3 城市交通信號(hào)控制發(fā)展概況13-16
• 1.3.1 國(guó)外城市交通信號(hào)控制系統(tǒng)研究現(xiàn)狀14-15
• 1.3.2 國(guó)內(nèi)城市交通信號(hào)控制系統(tǒng)研究現(xiàn)狀15-16
• 1.4 課題主要研究工作16-17
• 2 小波神經(jīng)網(wǎng)絡(luò)理論17-24
• 2.1 引言17
• 2.2 神經(jīng)網(wǎng)絡(luò)基本原理17-21
• 2.2.1 神經(jīng)網(wǎng)絡(luò)的構(gòu)成要素17-18
• 2.2.2 神經(jīng)網(wǎng)絡(luò)的分類(lèi)18-20
• 2.2.3 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式20-21
• 2.3 小波神經(jīng)網(wǎng)絡(luò)基礎(chǔ)21-23
• 2.3.1 小波變換21-22
• 2.3.2 小波變換和神經(jīng)網(wǎng)絡(luò)的結(jié)合方式22
• 2.3.3 小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)22-23
• 2.4 本章小結(jié)23-24
• 3 小波神經(jīng)網(wǎng)絡(luò)短時(shí)交通流預(yù)測(cè)算法的研究24-36
• 3.1 引言24
• 3.2 基于小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)模型24-27
• 3.2.1 小波神經(jīng)網(wǎng)絡(luò)輸入輸出模型的建立24-25
• 3.2.2 小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的參數(shù)修正25-27
• 3.3 小波神經(jīng)網(wǎng)絡(luò)短時(shí)交通流預(yù)測(cè)算法的改進(jìn)27-30
• 3.3.1 小波神經(jīng)網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)量的確定27-29
• 3.3.2 小波神經(jīng)網(wǎng)絡(luò)參數(shù)修正的改進(jìn)29
• 3.3.3 遺傳算法對(duì)改進(jìn)型小波神經(jīng)網(wǎng)絡(luò)的優(yōu)化29-30
• 3.4 實(shí)例仿真30-35
• 3.4.1 仿真樣本和性能指標(biāo)30-31
• 3.4.2 交通流數(shù)據(jù)預(yù)處理31-32
• 3.4.3 仿真結(jié)果分析32-35
• 3.5 本章小結(jié)35-36
• 4 城市區(qū)域交通信號(hào)控制技術(shù)研究36-49
• 4.1 交通流理論36-40
• 4.1.1 交通流基本參數(shù)36-37
• 4.1.2 交通流基本模型37-40
• 4.2 交通信號(hào)控制理論40-43
• 4.2.1 交通信號(hào)控制的基本參數(shù)40-42
• 4.2.2 交通信號(hào)控制的評(píng)價(jià)指標(biāo)42-43
• 4.3 城市道路交通網(wǎng)絡(luò)43-45
• 4.3.1 城市道路交通網(wǎng)絡(luò)模型的建立43-44
• 4.3.2 城市道路交通網(wǎng)絡(luò)子區(qū)的劃分44-45
• 4.4 城市區(qū)域交通信號(hào)控制技術(shù)45-48
• 4.4.1 城市區(qū)域交通信號(hào)控制結(jié)構(gòu)45-47
• 4.4.2 城市區(qū)域交通信號(hào)控制策略47-48
• 4.5 本章小結(jié)48-49
• 5 基于短時(shí)交通流預(yù)測(cè)的城市區(qū)域交通信號(hào)控制算法研究49-70
• 5.1 城市區(qū)域交通信號(hào)控制的總體框架49-50
• 5.2 子區(qū)交通信號(hào)控制的具體實(shí)現(xiàn)50-61
• 5.2.1 子區(qū)交通信號(hào)控制的具體步驟50-51
• 5.2.2 基于短時(shí)交通流預(yù)測(cè)的子區(qū)主干道劃分方法51-54
• 5.2.3 交叉路口相位配置方案的改進(jìn)54-57
• 5.2.4 交叉路口綠信比配置方案的改進(jìn)57-59
• 5.2.5 交叉路口間相位差計(jì)算方法的改進(jìn)59-61
• 5.3 實(shí)例仿真61-69
• 5.3.1 仿真環(huán)境介紹61
• 5.3.2 子區(qū)路網(wǎng)建模61-62
• 5.3.3 子區(qū)交通參數(shù)的設(shè)置62-64
• 5.3.4 子區(qū)控制性能的評(píng)價(jià)64-68
• 5.3.5 仿真結(jié)果分析68-69
• 5.4 本章小結(jié)69-70
• 6 總結(jié)與展望70-72
• 6.1 全文工作總結(jié)70-71
• 6.2 相關(guān)領(lǐng)域的展望71-72
• 致謝72-73
• 參考文獻(xiàn)73-77
• 附錄77-83
• 攻讀碩士學(xué)位期間發(fā)表的論文和出版著作情況83
• 攻讀碩士學(xué)位期間學(xué)術(shù)成果獲獎(jiǎng)情況83

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 偶昌寶,俞亞南;短時(shí)交通流預(yù)測(cè)的多層遞階方法[J];城市道橋與防洪;2004年05期

2 高麗梅;高鵬;陳俊波;;數(shù)據(jù)融合技術(shù)在短時(shí)交通流預(yù)測(cè)中的應(yīng)用[J];交通科技;2010年S1期

3 唐世星;;改進(jìn)的支持向量機(jī)算法在短時(shí)交通流預(yù)測(cè)中的應(yīng)用[J];承德石油高等專(zhuān)科學(xué)校學(xué)報(bào);2012年01期

4 王嬌;李軍;;最小最大概率回歸機(jī)在短時(shí)交通流預(yù)測(cè)中的應(yīng)用[J];公路交通科技;2014年02期

5 賀國(guó)光,李宇,馬壽峰;基于數(shù)學(xué)模型的短時(shí)交通流預(yù)測(cè)方法探討[J];系統(tǒng)工程理論與實(shí)踐;2000年12期

6 宗春光,宋靖雁,任江濤,胡堅(jiān)明;基于相空間重構(gòu)的短時(shí)交通流預(yù)測(cè)研究[J];公路交通科技;2003年04期

7 楊世堅(jiān),賀國(guó)光;基于模糊C均值聚類(lèi)和神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)方法[J];系統(tǒng)工程;2004年08期

8 王進(jìn);史其信;;短時(shí)交通流預(yù)測(cè)模型綜述[J];中國(guó)公共安全(學(xué)術(shù)卷);2005年01期

9 楊芳明;朱順應(yīng);;基于小波的短時(shí)交通流預(yù)測(cè)[J];重慶交通學(xué)院學(xué)報(bào);2006年03期

10 鄧志龍;李全;陳茜;;基于灰色系統(tǒng)理論的短時(shí)交通流預(yù)測(cè)[J];公路交通技術(shù);2006年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前4條

1 鄭德署;何世偉;許旺土;;分形理論在短時(shí)交通流預(yù)測(cè)中的應(yīng)用[A];2008第四屆中國(guó)智能交通年會(huì)論文集[C];2008年

2 唐麗娜;張衛(wèi)華;;短時(shí)交通流預(yù)測(cè)方法的比較研究[A];2007第三屆中國(guó)智能交通年會(huì)論文集[C];2007年

3 于建玲;商朋見(jiàn);關(guān)積珍;;改進(jìn)的相空間重構(gòu)方法在短時(shí)交通流預(yù)測(cè)中的應(yīng)用[A];2008第四屆中國(guó)智能交通年會(huì)論文集[C];2008年

4 楊錦偉;肖新平;郭金海;;基于灰關(guān)聯(lián)與少數(shù)據(jù)云推理的短時(shí)交通流預(yù)測(cè)[A];第25屆全國(guó)灰色系統(tǒng)會(huì)議論文集[C];2014年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 姚智勝;基于實(shí)時(shí)數(shù)據(jù)的道路網(wǎng)短時(shí)交通流預(yù)測(cè)理論與方法研究[D];北京交通大學(xué);2007年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 高為;基于數(shù)據(jù)挖掘和數(shù)據(jù)融合的短時(shí)交通流預(yù)測(cè)研究[D];重慶交通大學(xué);2011年

2 齊霖;基于支持向量機(jī)回歸的短時(shí)交通流預(yù)測(cè)與系統(tǒng)實(shí)現(xiàn)[D];東北大學(xué);2013年

3 邱世崇;基于時(shí)空特性的城市道路短時(shí)交通流預(yù)測(cè)研究[D];重慶交通大學(xué);2015年

4 沈小峰;交通流量短時(shí)預(yù)測(cè)的算法研究[D];浙江工業(yè)大學(xué);2015年

5 江小燕;短時(shí)交通流預(yù)測(cè)方法研究[D];揚(yáng)州大學(xué);2015年

6 楊慧慧;城市交通流短時(shí)預(yù)測(cè)模型研究[D];河南理工大學(xué);2015年

7 王鵬;基于嵌入式系統(tǒng)的城市智能交通控制器研究[D];遼寧科技大學(xué);2016年

8 羅婷;模擬退火混沌粒子群算法在短時(shí)交通流預(yù)測(cè)中的應(yīng)用[D];西南交通大學(xué);2016年

9 黃曉慧;基于布谷鳥(niǎo)算法的小波神經(jīng)網(wǎng)絡(luò)短時(shí)交通流預(yù)測(cè)研究[D];西南交通大學(xué);2016年

10 褚鵬宇;融合時(shí)空信息的短時(shí)交通流預(yù)測(cè)[D];西南交通大學(xué);2016年

，

本文編號(hào)：796891