基于改进粒子群优化BP和RBF组合算法短时交通流预测

发布时间：2017-07-19 01:13

  本文关键词：基于改进粒子群优化BP和RBF组合算法短时交通流预测

  更多相关文章： 短时交通流预测 组合预测 神经网络 粒子群算法

【摘要】：现代生活中交通问题成为人们生活中不能回避的问题。对于大多数人来说,交通条件的好坏直接影响着他们的生活质量和幸福指数。在现代生活中,交通问题不仅困扰着生活在城市中的人们,甚至在一些城镇和乡村也出现了交通拥堵现象,交通系统正在面临着越来越大的挑战,解决交通拥堵问题已经迫在眉睫。智能交通作为改善交通的主要手段,在改善交通拥堵问题上起着至关重要的作用。道路交通的智能化和信息化是实现智能道路交通的重要环节,能够为实时、准确的交通流预测提供实际有效的信息来源,保证道路畅通。不确定性、随机性和时变性是交通流的三大特性,这些特性为交通流预测带来了极大的困难,因此,如何建立实时准确的短时交通流预测模型成为当前智能交通领域研究的热点和难点。本文以贵阳市某路段采集的交通流数据为基础,将交通流数据进行筛选,去除晚上九点到次日上午六点的数据,保证数据成为改善交通的有用数据。RBF神经网络和BP神经网络在交通流预测中都有很广泛的应用。在交通流预测中,为了更好的改善交通流的预测精度,本文使用了组合预测模型。采用了两种方法改进粒子群算法,通过改进粒子群算法优秀的全局搜索能力改善BP神经网络的搜索范围和RBF的收敛速度和精确度。将上述两种改进预测算法结合起来,形成组合预测算法。实验结果表明,基于改进粒子群算法优化BP神经网络和RBF神经网络的交通流预测不仅具有较好的预测能力,而且能够有效的应用到短时交通流预测中。
【关键词】：短时交通流预测 组合预测 神经网络 粒子群算法
【学位授予单位】：青岛大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491.14
【目录】：

• 摘要2-3
• Abstract3-6
• 第一章 绪论6-18
• 1.1 课题背景及意义6-7
• 1.2 智能交通系统概述7-12
• 1.2.1 智能交通系统的发展8-11
• 1.2.2 短时交通流预测在智能交通系统中的作用11-12
• 1.3 短时交通流预测研究动态12-14
• 1.4 论文思路与研究内容14-18
• 1.4.1 论文研究思路14-15
• 1.4.2 论文研究内容15-18
• 第二章 人工神经网络理论18-28
• 2.1 神经网络的基本概念18-21
• 2.2 RBF神经网络21-22
• 2.2.1 RBF神经网络模型21
• 2.2.2 网络输入输出21-22
• 2.3 BP神经网络预测模型22-26
• 2.4 本章小结26-28
• 第三章 改进PSO优化BP和RBF算法28-38
• 3.1 粒子群算法基本原理28-30
• 3.2 改进粒子群优化BP神经网络30-33
• 3.2.1 改进粒子群算法原理30-32
• 3.2.2 改进PSO优化BP神经网络32-33
• 3.3 改进粒子群优化RBF神经网络33-36
• 3.3.1 最近邻聚类算法33-34
• 3.3.2 改进粒子群原理34-35
• 3.3.3 改进粒子群算法优化RBF的算法描述如下35-36
• 3.4 本章小结36-38
• 第四章 基于改进PSO优化BP和RBF组合算法短时交通流预测仿真实验38-44
• 4.1 基于改进PSO优化BP和RBF组合学习算法38
• 4.2 数据采集38-39
• 4.3 仿真结果39-42
• 4.4 本章小结42-44
• 结论与展望44-46
• 参考文献46-50
• 攻读学位期间的研究成果50-52
• 致谢52-54

【相似文献】

中国期刊全文数据库 前10条

1 偶昌宝,俞亚南;短时交通流预测的多层递阶方法[J];城市道桥与防洪;2004年05期

2 高丽梅;高鹏;陈俊波;;数据融合技术在短时交通流预测中的应用[J];交通科技;2010年S1期

3 唐世星;;改进的支持向量机算法在短时交通流预测中的应用[J];承德石油高等专科学校学报;2012年01期

4 王娇;李军;;最小最大概率回归机在短时交通流预测中的应用[J];公路交通科技;2014年02期

5 贺国光,李宇,马寿峰;基于数学模型的短时交通流预测方法探讨[J];系统工程理论与实践;2000年12期

6 宗春光,宋靖雁,任江涛,胡坚明;基于相空间重构的短时交通流预测研究[J];公路交通科技;2003年04期

7 杨世坚,贺国光;基于模糊C均值聚类和神经网络的短时交通流预测方法[J];系统工程;2004年08期

8 王进;史其信;;短时交通流预测模型综述[J];中国公共安全(学术卷);2005年01期

9 杨芳明;朱顺应;;基于小波的短时交通流预测[J];重庆交通学院学报;2006年03期

10 邓志龙;李全;陈茜;;基于灰色系统理论的短时交通流预测[J];公路交通技术;2006年01期

中国重要会议论文全文数据库 前4条

1 郑德署;何世伟;许旺土;;分形理论在短时交通流预测中的应用[A];2008第四届中国智能交通年会论文集[C];2008年

2 唐丽娜;张卫华;;短时交通流预测方法的比较研究[A];2007第三届中国智能交通年会论文集[C];2007年

3 于建玲;商朋见;关积珍;;改进的相空间重构方法在短时交通流预测中的应用[A];2008第四届中国智能交通年会论文集[C];2008年

4 杨锦伟;肖新平;郭金海;;基于灰关联与少数据云推理的短时交通流预测[A];第25届全国灰色系统会议论文集[C];2014年

中国博士学位论文全文数据库 前1条

1 姚智胜;基于实时数据的道路网短时交通流预测理论与方法研究[D];北京交通大学;2007年

中国硕士学位论文全文数据库 前10条

1 高为;基于数据挖掘和数据融合的短时交通流预测研究[D];重庆交通大学;2011年

2 齐霖;基于支持向量机回归的短时交通流预测与系统实现[D];东北大学;2013年

3 邱世崇;基于时空特性的城市道路短时交通流预测研究[D];重庆交通大学;2015年

4 沈小峰;交通流量短时预测的算法研究[D];浙江工业大学;2015年

5 江小燕;短时交通流预测方法研究[D];扬州大学;2015年

6 杨慧慧;城市交通流短时预测模型研究[D];河南理工大学;2015年

7 王鹏;基于嵌入式系统的城市智能交通控制器研究[D];辽宁科技大学;2016年

8 罗婷;模拟退火混沌粒子群算法在短时交通流预测中的应用[D];西南交通大学;2016年

9 黄晓慧;基于布谷鸟算法的小波神经网络短时交通流预测研究[D];西南交通大学;2016年

10 褚鹏宇;融合时空信息的短时交通流预测[D];西南交通大学;2016年

，

本文编号：560601