基于灰色理论与深度学习的路网超车预测研究

发布时间：2021-02-28 05:14

　　随着我国城市交通的发展,中国城市路网规模日益壮大,城市的交通安全问题也愈发严重,交通事故层出不穷。其中,大范围的超车是产生交通安全问题的一个重要因素,以往的超车数据很难获取和预测,本文利用电子警察与卡口等车牌识别,通过上下游车牌识别与时间对比,可以较为精确的获取车辆在路段之间的超车关系,并在此基础上,对城市道路的超车特性进行预测分析。本文提出了一种基于智能优化算法优化的灰色伯努利模型和一种深度递归神经网络分别用于超车问题的短时预测和长时预测。灰色系统的序列累加方法可以有效消除外界无关信息的扰动,可以较为准确的预测短时内的超车情况,递归神经网络的联想记忆功能可以实现优质信息的保留与噪声的剔除,通过长时预测和短时预测可以实现路网超车情况的合理决策。具体地,本文的主要贡献如下:（1）本文提出了一种基于灰色理论的短时超车预测方法,并给出了优化方法。路面超车数据的波动性较大,在短时预测上,经典统计学模型往往误差较大,本文基于灰色理论的思想可以弱化其随机性。为了得到最优的模型超参数,本文分别使用了差分进化算法和量子遗传算法进行优化灰色模型的累加阶数和背景值构造系数。（2）在长时预测方面,本文首先梳... 

【文章来源】：上海应用技术大学上海市

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景
    1.2 国内外研究现状
        1.2.1 浅层神经网络在交通预测中的应用
        1.2.2 深度神经网络在交通预测中的应用
    1.3 技术路线
        1.3.1 灰色理论方法在交通预测中的应用
        1.3.2 其他统计学模型在交通预测中的应用
    1.4 研究目的与意义
    1.5 论文组织架构
    1.6 注释表
第2章 超车数据分析及预处理
    2.1 超车数据的来源
    2.2 超车数据的采集与预处理
    2.3 超车数据研究
第3章 基于灰色理论的短时超车预测
    3.1 经典灰色模型建模机理及其在短时交通预测中的应用
        3.1.1 灰色系统理论在短时交通预测中的应用概述
        3.1.2 GM（1,1）模型的建模机理
        3.1.3 灰色非线性伯努利模型
        3.1.4 灰色非线性伯努利模型的参数估计
        3.1.5 基于差分进化算法灰色非线性伯努利模型的参数优化
        3.1.6 基于量子遗传算法的灰色非线性伯努利模型的参数优化
    3.2 基于灰色非线性伯努力模型的超车预测
    3.3 本章小节
第4章 基于深度递归神经网络的长时超车预测
    4.1 人工神经网络
        4.1.1 人工神经网络的基本结构
        4.1.2 人工神经网络的学习规则
    4.2 BP神经网路模型
        4.2.1 BP神经网络的结构
        4.2.2 BP神经网络的算法框架
    4.3 基于BP网络模型在超车预测应用
        4.3.1 模型评级指标
        4.3.2 模型仿真结果
        4.3.3 小结
    4.4 循环神经网络结构
        4.4.1 经典循环神经网络原理与结构
        4.4.2 GRU神经网络原理与结构
    4.5 基于GRU与循环神经网络的超车率预测
        4.5.1 超车系统与深度递归神经网络
        4.5.2 网络的训练过程
        4.5.3 实验结果与分析
    4.6 小节
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
攻读学位期间所开展的科研项目和发表的学术论文



本文编号：3055378