基于改进小波神经网络在短时交通流量预测中的研究

发布时间：2021-10-07 16:32

　　近几年来,随着人们生活水平的不断提高,购买汽车的人数日益增加,这使得道路交通变得越来越不堪重负,由此引发了一系列的问题,比如:道路变得拥塞时常会堵车且易发生交通事故。为了缓解这类问题,人们开发了智能交通管理系统（ITS）,它是目前进行交通控制及交通诱导的一种主要手段,一个好的智能交通管理系统能够密切关注道路上的交通情况,让交通运输效率尽可能最大化,以此缓解交通阻塞,提高道路车辆的通过能力,减少交通事故的产生,降低能源消耗以及减轻车辆增加所带来的环境污染。其中,短时交通流量预测的准确性决定了智能交通系统中交通控制及交通诱导功能的性能好坏,因此研究短时交通流量预测方法是非常有意义的。由于短时交通流量数据具有时变性、非线性等特点,一般的预测方法很难对其进行准确的预测,因此本文根据短时交通流量本身的性质并结合神经网络具有较好的自适应性及强大的学习能力的特点,采用改进后的小波神经网络来对短时交通流量进行预测。传统的小波神经网络（WNN）采用梯度下降法来对网络进行训练,而梯度下降法对于网络参数初始值比较敏感,容易陷入局部最优,从而影响WNN网络的预测效果,因此本文提出了一种改进人工鱼群算法及粒子群... 

【文章来源】：上海师范大学上海市

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

函数H1平均值进化曲线

函数H2平均进化曲线

函数H3平均进化曲线

【参考文献】：
期刊论文
[1]中国大城市交通问题的空间解读与对策[J]. 孔令斌.  城市交通. 2017(04)
[2]城市道路微观交通仿真分析[J]. 刘杰,聂明旺.  市政技术. 2017(03)
[3]基于神经网络的小时间粒度交通流预测模型[J]. 姚志洪,蒋阳升,韩鹏,罗孝羚,徐韬.  交通运输系统工程与信息. 2017(01)
[4]城市智能交通系统的发展现状与趋势[J]. 冯凯.  环球市场信息导报. 2017(01)
[5]中国城市交通问题、对策与理论需求[J]. 汪光焘.  城市交通. 2016(06)
[6]基于交通事故数据的汽车安全技术发展趋势分析[J]. 李一兵,孙岳霆,徐成亮.  汽车安全与节能学报. 2016(03)
[7]中小城市交通问题现状及治理对策[J]. 周晓宇.  黑龙江科技信息. 2016(01)
[8]月降水量预测的粒子群-小波神经网络模型[J]. 龙云,贺新光,章新平.  计算机科学. 2015(S1)
[9]A Wavelet Neural Network Based Non-linear Model Predictive Controller for a Multi-variable Coupled Tank System[J]. Kayode Owa,Sanjay Sharma,Robert Sutton.  International Journal of Automation and Computing. 2015(02)
[10]改进时间序列模型在高速公路短时交通流量预测中的应用[J]. 唐毅,刘卫宁,孙棣华,魏方强,余楚中.  计算机应用研究. 2015(01)

硕士论文
[1]城市道路动态交通流仿真的研究与实践[D]. 王剑.厦门大学 2014
[2]太原市交通相关PM2.5的化学组成、来源及对人群心肺功能的健康影响[D]. 徐建军.山西医科大学 2013
[3]基于卡尔曼滤波的短时交通流预测方法研究[D]. 石曼曼.西南交通大学 2012
[4]人工鱼群算法的改进及应用[D]. 郑晓鸣.上海海事大学 2006
[5]短时交通流量预测研究[D]. 兰云.西北工业大学 2002



本文编号：3422393