基于遗传小波神经网络的停车泊位预测方法

发布时间：2022-07-02 14:48

　　在车位共享模式下,对社区停车位进行短时、准确地预测,既有利于停车需求方选择更合适的车位,也有利于车位资源的合理分配。提出一种社区停车位的短时预测方法,首先利用C-C方法对空余停车泊位时间序列进行相空间重构,采用李雅普诺夫指数法证明该时间序列的可预测性;然后将重构后的时间序列输入小波神经网络（wavelet neural network, WNN）进行训练。采用遗传算法（genetic algorithm, GA）优化小波神经网络初始参数,经过多次迭代获取最优参数,得到优化后的预测模型;最后,通过matlab对该算法进行编程,并调研长沙市某社区空余停车泊位数据进行实验分析。研究结果表明:基于相空间重构的遗传小波神经网络（CC-GA-WNN）模型具有较好的预测精度和优化效果。 

【文章页数】：9 页

【参考文献】：
期刊论文
[1]基于优化LSTM模型的停车泊位预测算法[J]. 刘菲,郝风杰,郝敬全,周永利,辛国茂.  计算机应用. 2019(S1)
[2]遗传算法优化BP神经网络的泊车位数量预测[J]. 张金梦,刘慧君.  重庆大学学报. 2018(03)
[3]动态随机有效停车泊位预测方法[J]. 段满珍,陈光,张林,米雪玉.  重庆交通大学学报(自然科学版). 2018(06)
[4]基于小波-ELM神经网络的短期停车泊位预测[J]. 陈海鹏,图晓航,王玉,郑金宇.  吉林大学学报(理学版). 2017(02)
[5]基于小波变换和粒子群小波神经网络组合模型的有效停车泊位短时预测[J]. 季彦婕,陈晓实,王炜,胡波.  吉林大学学报(工学版). 2016(02)
[6]基于泊位共享的停车需求预测[J]. 肖飞,张利学,晏克非.  城市交通. 2009(03)
[7]基于相空间重构及Elman网络的停车泊位数据预测[J]. 陈群,晏克非,王仁涛,莫一魁.  同济大学学报(自然科学版). 2007(05)

博士论文
[1]基于回声状态网络的交通流预测模型及其相关研究[D]. 杨飞.北京邮电大学 2012

硕士论文
[1]基于LSTM神经网络的可用停车位预测模型研究[D]. 杜心.武汉理工大学 2018



本文编号：3654558