城市道路交通流量短时预测研究

发布时间：2021-10-18 07:59

　　随着经济迅猛发展,居民生活水平的提高,汽车保有量持续上升,交通需求与道路资源供给之间的矛盾愈加突出,如何改善交通拥堵状况显得尤为紧迫。在智能交通系统中,交通流量信息既是该系统的关键组成部分,又是交通诱导与控制的影响因素。准确掌握交通流量的内在变化规律,并及时对未来若干时刻的交通流量进行科学预测,将对交通诱导工作、交通管理工作、交通规划工作等具有十分重要的意义。本文将路段与交叉口的短时交通流量预测作为研究对象。首先,对交通数据的采集技术与预处理的相关理论进行介绍。其次,构建了短时交通流量预测的BP神经网络模型与灰色BP神经网络模型,包括网络结构的选择、相关参数设置,与网络结构训练。最后,对采集到的数据进行故障识别及修复后,在此基础上,再对路段与交叉口的短时交通流量进行了预测。结果显示:在短时交通流量预测研究中,无论是对路段还是交叉口,灰色BP神经网络预测效果都优于BP神经网络。同时,针对路段利用前几日同时段的交通流量数据,所建立的灰色BP神经网络预测效果更佳,而对于交叉口利用同日的前几个时段的交通流量数据,所建立的灰色BP神经网络的预测效果更佳。这主要是因为交叉口的交通状况更加复杂,每日... 

【文章来源】：贵州财经大学贵州省

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1.绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 短时交通流预测国外研究现状
        1.2.2 短时交通流预测国内研究现状
        1.2.3 国内外研究现状评述
    1.3 研究内容及技术路线
        1.3.1 研究内容
        1.3.2 研究方法
        1.3.3 技术路线
2.城市道路交通信息采集及预处理
    2.1 城市道路交通数据采集技术
        2.1.1 固定型采集技术
        2.1.2 移动型采集技术
        2.1.3 采集技术的发展趋势
    2.2 数据融合技术
        2.2.1 数据融合及交通数据融合的含义
        2.2.2 交通数据融合的必要性
        2.2.3 交通数据融合的应用领域
    2.3 交通流数据的预处理
        2.3.1 交通流数据的故障识别
        2.3.2 交通流数据的故障修复
        2.3.3 数据归一化处理
    2.4 本章小结
3.短时交通流量预测模型的构建
    3.1 短时交通流量的BP神经网络预测模型
        3.1.1 短时交通流量预测模型的网络结构
        3.1.2 短时交通流量预测模型的网络参数设置
        3.1.3 短时交通流量预测模型的网络训练
    3.2 短时交通流量的灰色BP神经网络预测模型
        3.2.1 灰色BP神经网络预测模型的原理
        3.2.2 灰色BP神经网络预测模型训练流程
    3.3 模型预测评价指标
    3.4 本章小结
4.城市道路交通流量短时预测
    4.1 短时交通流量理论基础
        4.1.1 短时交通流预测概念
        4.1.2 交通流基本参数
        4.1.3 交通流特性分析
    4.2 交通流量的数据来源
    4.3 基于路段的短时交通流量预测模型
        4.3.1 基于同日交通流数据的路段预测模型
        4.3.2 基于前几日交通流数据的路段预测模型
        4.3.3 模型预测性能评价与分析
    4.4 基于交叉口的短时交通流量预测模型
        4.4.1 基于同日交通流数据的交叉口预测模型
        4.4.2 基于前几日交通流数据的交叉口预测模型
        4.4.3 模型预测性能评价与分析
    4.5 本章小结
5.结论与展望
    5.1 结论
    5.2 展望
参考文献
附录
    附录A 宝山南路(观水路口-蟠桃宫)路段的交通流量数据
    附录B 贵阳大十字交叉路口的交通流量数据
    附录C 基于BP神经网络的程序代码
    附录D 基于灰色BP神经网络的程序代码
致谢
攻读硕士学位期间科研成果



本文编号：3442505