基于花授粉算法和神经网络的短时交通流预测研究

发布时间：2021-05-12 11:52

　　随着我国经济的迅速发展和城市化水平的加速提高,汽车数目不断增长,由此引发了交通拥堵、交通事故和空气污染等一系列交通问题,其中,最为严峻的,也是受到人们越来越多重视的就是交通拥堵问题。为了解决这一问题,智能交通系统（Intelligent Transportation System,ITS）随之产生。它是目前解决城市交通问题的有效方法,它能在现有技术的基础上对交通信息进行实时诱导与控制,最大限度提高交通运输系统的运输、管理效率。而实时诱导的关键是提前了解道路交通状态,这往往需要准确的交通流预测,因此如何准确预测短时交通流量是保证智能交通系统有效运行的关键。本文源于海信网络科技公司“交通智能管控平台”交通诱导模块的预研课题,着重研究了基于花授粉算法和神经网络的城市交叉路口短时交通流预测。本文的研究将从以下几个方面展开:首先介绍了智能交通系统的发展,阐述了交通流预测领域基本原理,为后续预测模型的建立奠定了理论基础;其次针对遗传算法的不足,提出一种概率自适应的遗传算法,并建立了三种预测模型:基于BP神经网络、基于遗传神经网络和概率自适应遗传神经网络的交通流预测模型。通过仿真对比实验得出,概率自... 

【文章来源】：青岛理工大学山东省

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 交通流预测研究现状
        1.2.1 交通流量主要预测模型
        1.2.2 国内外研究现状
    1.3 本文的研究工作
    1.4 论文结构
第2章 短时交通流预测相关理论
    2.1 短时交通流量预测概念
    2.2 交通流基本特征参数
    2.3 交通流数据来源
    2.4 短时交通流预测评价指标
    2.5 交通流特性分析
    2.6 本章小结
第3章 遗传神经网络理论与模型的建立
    3.1 神经网络特点
    3.2 神经网络基本原理
        3.2.1 神经元模型
        3.2.2 激活函数
        3.2.3 网络结构
        3.2.4 网络学习理论
    3.3 bp神经网络
    3.4 遗传神经网络
    3.5 本章小结
第4章 基于遗传神经网络的交通流预测模型
    4.1 交通流数据可预测性分析
    4.2 基于bp神经网络的交通流预测
        4.2.1 网络输入样本的选择
        4.2.2 bp神经网络预测算法的实现
    4.3 遗传神经网络交通流预测
    4.4 概率自适应遗传神经网络交通流预测
    4.5 结果分析
    4.6 本章小结
第5章 基于花授粉算法的神经网络交通流预测模型
    5.1 花授粉算法简介
    5.2 花授粉算法
        5.2.1 花授粉的特征
        5.2.2 花授粉算法实现步骤
    5.3 花授粉算法中参数的影响及改进
        5.3.1 初始种群
        5.3.2 转换概率
        5.3.3 局部授粉策略
    5.4 改进的fpa-bp神经网络交通流预测
        5.4.1 改进的fpa-bp神经网络实现步骤
        5.4.2 仿真对比试验
    5.5 结果分析
    5.6 本章小结
第6章 总结与展望
参考文献
攻读硕士学位期间发表的学术论文及科研工作
致谢



本文编号：3183363