基于神经网络的城市交通流量预测模型研究

发布时间：2017-06-04 10:09

  本文关键词：基于神经网络的城市交通流量预测模型研究，由笔耕文化传播整理发布。

【摘要】：随着我国城镇化进程的不断深入与汽车行业的增长,我国的汽车数量呈高速增长趋势。过多的机动车带来了一系列的负面问题：交通拥堵、交通事故频发、能源利用率低、尾气污染等。其中,交通拥堵问题显得尤为严峻,目前仍然没有得到较好的改善。当前交通调控与管理已经趋向于智能化,交通流量预测是交通管理与调控过程中的关键环节,准确的获得短时交通流量的预测数据具有很大的现实意义。交通流量是一个多变量、时变性强的复杂参量。目前已有较多的单个预测模型可以实现交通流量预测,针对单个预测模型,研究重点在于如何提高预测模型的精度。为了提高交通流量预测模型的精度,本文的工作从以下几个方面展开：(一)本文首先分析了交通流数据的时间特性和空间特性,在充分考虑了交通流量的周期性、随机性和相似性的基础之上,根据日类型因素、时间因素、气象因素、事故因素等因素对历史交通数据进行归类和划分。(二)本文介绍了几种当前使用比较广泛的预测方法,分别对其原理及使用方法进行了阐述,并使用每种方法对交通流量预测做了实例分析,总结与对比了各种预测方法的特点。(三)在对比几种预测方法后,本文选择使用BP神经网络进行交通流量预测。对于交通流体现出的非线性特性以及BP神经网络预测模型容易陷入局部极小值的问题,本文首先对基本BP算法进行了一定的改进,使用自适应变步长算法来改善BP神经网络的收敛慢、容易出现振荡的缺陷；此外,为了搜寻最优BP网络模型,文中采用了基于遗传算法的BP神经网络预测模型,这是本文的一个创新之处。(四)对于神经网络的输入量选择的问题,本文做了输入量相关性的数学分析,从众多影响因素中选择与期望输出相关度较大的因素作为输入变量,从而提高预测模型的精度。(五)最后,文中以广州市道路的交通流量数据作为样本,进行了三种不同的MATLAB仿真：1,使用传统的BP神经网络模型进行仿真,并通过使用不同数目的隐层神经元数目得出不同的误差精度,以此来选择可以使得误差精度较高的隐层神经元数目；2,使用改进的BP神经网络模型进行仿真,采用自适应变步长算法来改善BP神经网络的收敛慢、容易出现振荡的缺陷；3,使用基于遗传算法的BP神经网络模型进行仿真,得到的BP网络模型可以实现预测精度高、收敛时间短的预测效果。
【关键词】：智能交通 神经网络 交通流量预测模型 遗传算法
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491.14;TP183
【目录】：

• 摘要4-6
• ABSTRACT6-12
• 第一章 绪论12-19
• 1.1 课题研究的背景及意义12-17
• 1.1.1 交通问题现状及解决措施12-14
• 1.1.2 智能交通系统14
• 1.1.3 智能交通系统国内外研究现状14-17
• 1.2 交通流量预测概述17-18
• 1.3 本课题的研究内容18-19
• 第二章 交通流理论简介与特性分析19-24
• 2.1 交通流基本参数19-20
• 2.2 交通流特性20-21
• 2.3 交通流时间特性分析21-23
• 2.4 交通流空间特性分析23
• 2.5 本章小结23-24
• 第三章 交通流量预测方法的对比与分析24-39
• 3.1 多元线性回归预测方法24-27
• 3.2 卡尔曼滤波方法27-29
• 3.3 支持向量机方法29-31
• 3.4 人工神经网络方法31-36
• 3.4.1 人工神经网络基础31-35
• 3.4.2 人工神经网络预测方法35-36
• 3.5 已有方法的比较分析36-38
• 3.6 本章小结38-39
• 第四章 改进的BP算法及输入相关性分析39-47
• 4.1 BP神经网络39-40
• 4.2 改进的BP神经网络40-42
• 4.3 基于遗传算法的BP神经网络算法42-43
• 4.4 基于神经网络的预测模型的输入量的选取43-46
• 4.4.1 交通流量的自相关函数44
• 4.4.2 用FFT对自相关函数的快速计算44-45
• 4.4.3 交通流量数据的相关曲线45-46
• 4.5 本章小结46-47
• 第五章 神经网络交通流量预测模型仿真47-53
• 5.1 交通流量预测模型的结构47-48
• 5.2 BP神经网络的交通流量预测模型仿真48-49
• 5.3 改进的BP神经网络的交通流量预测模型仿真49-50
• 5.4 基于遗传算法的BP神经网络的交通流量预测模型仿真50-52
• 5.5 结果分析52
• 5.6 本章小结52-53
• 总结与展望53-55
• 一、总结53-54
• 二、展望54-55
• 参考文献55-58
• 攻读学位期间发表的论文58-60
• 致谢60

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

  本文关键词：基于神经网络的城市交通流量预测模型研究，由笔耕文化传播整理发布。

本文编号：420670