基于实时路况的动态路径规划研究

发布时间：2017-05-05 19:03

  本文关键词：基于实时路况的动态路径规划研究，由笔耕文化传播整理发布。

【摘要】：及时、准确地交通流预测是智能交通管理的重要前提,是交通数据挖掘研究中非常重要的问题之一。它可以引导交通流走向,方便交通管理,在智能交通系统的设计与实现中起着至关重要的作用。交通速度预测作为交通流预测的一个重要方向,可以直观的反应道路交通状况。交通速度预测是基于道路的历史交通速度值和变化规律来预测未来的道路速度值和变化趋势。然后根据预测的交通速度信息,来推断未来道路可能的通行状态,以此合理规划出行路线。这种预知性的规划出行路线,可以减少人们出行堵塞等待时间,缓解交通压力,有助于交通管理和控制。本文针对智能交通系统中短时交通速度预测和动态路径规划问题展开了深入研究。短时交通流预测是智慧城市中交通路况判断的重要依据,是路径规划的基本前提,它需要对历史交通数据进行挖掘分析。由于交通数据时变性的特点,现有的数据挖掘算法不可以直接用于交通领域知识的挖掘,也不能在大规模交通速度数据挖掘中直接高效实现,为此本文提出遗传算法和小波神经网络组合的方法(GA-WNN)来实现短时交通速度预测。GA-WNN主要是针对小波神经网络容易陷入局部最小值的缺点,提出利用遗传算法全局搜索的能力对小波神经网络初始系数进行优化,然后再把优化后的参数输入神经网络,利用网络基本结构预测未来交通速度。通过实验结果对比,可以得到基于遗传算法和小波神经的组合模型交通速度预测结果与实际交通速度具有较高的吻合度。通过短时交通速度预测可以得到道路的实时交通速度信息,然后经过交通信息融合系统和交通管理系统的分析处理,便可以得到道路对应的实时交通路况信息,为进一步的交通路径规划提供数据和理论依据。最后在短时交通速度预测基础上,我们根据出行者对出行时间、距离和速度等因素的需求,利用改进的蚁群算法,实现了实时动态路径规划。通过仿真实验证明,根据短时交通速度预测做出的实时动态路径规划在出行距离,出行时间,出行费用方面更符合出行者的需求,为缓解交通压力、协助交通控制和管理、减少交通事故、减少尾气排放做出了贡献。
【关键词】：智能交通系统 短时交通速度预测 实时动态路径规划 遗传算法 小波神经网络模型
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495;TP18
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-22
• 1.1 研究相关10-14
• 1.2 课题相关领域发展现状14-18
• 1.2.1 短时交通速度预测的研究现状14-17
• 1.2.2 交通路径规划的研究现状17-18
• 1.3 论文主要工作18-20
• 1.4 论文的组织结构20-22
• 第二章 基于小波神经网络的短时交通速度预测22-36
• 2.1 问题分析22
• 2.2 交通流预测基本特征参数22-24
• 2.3 交通数据预处理24-28
• 2.3.1 交通数据故障识别25
• 2.3.2 数据修复方法25-27
• 2.3.3 数据归一化27-28
• 2.4 小波神经网络模型28-34
• 2.4.1 神经网络概述28
• 2.4.2 小波神经网络预测模型28-31
• 2.4.3 小波神经网络算法流程31-32
• 2.4.4 小波神经网络模型实验分析32-34
• 2.5 本章小结34-36
• 第三章 基于遗传算法和小波神经网络的短时交通速度预测36-45
• 3.1 遗传算法原理36-38
• 3.2 遗传算法改进小波神经网络模型38-44
• 3.2.1 遗传算法改进小波神经网络的基本原理38-41
• 3.2.2 基于遗传优化小波神经网络的短时交通速度预测实验41-44
• 3.3 本章小结44-45
• 第四章 基于实时路况的动态路径规划45-62
• 4.1 实时动态路径规划问题45
• 4.2 交通路网数据存储结构45-48
• 4.2.1 图相邻矩阵数据存储46-47
• 4.2.2 图相邻链表数据存储47-48
• 4.3 基于改进蚁群算法的动态路径规划48-55
• 4.3.1 基本蚁群算法原理48-52
• 4.3.2 改进的蚁群算法52-53
• 4.3.3 多约束蚁群算法53-55
• 4.4 仿真实验和结果分析55-61
• 4.4.1 实时动态路径规划思想55-57
• 4.4.2 路径规划仿真实验57-61
• 4.5 本章小结61-62
• 第五章 总结与展望62-64
• 5.1 研究结论62
• 5.2 研究展望62-64
• 致谢64-66
• 参考文献66-70
• 附录70

【相似文献】

中国期刊全文数据库 前10条

1 黄永红;徐勇;;基于小波神经网络的某边坡预测研究[J];测绘工程;2012年02期

2 祖哲;毕贵红;刘力;郝娟;;基于小波神经网络的电力系统短期负荷预测模型研究[J];计算机技术与发展;2012年10期

3 霍禹同;;基于小波神经网络的电机自动控制研究[J];信息与电脑(理论版);2013年09期

4 江亚东,丁丽萍,夏克俭,李恪,陈因颀;基于小波神经网络的混沌模式提取[J];北京科技大学学报;2001年05期

5 陈农,贾区耀;用自适应小波神经网络辨识动态实验数据[J];飞行力学;2001年01期

6 张增芳,陈瑞中,齐保谦,陆英北;基于小波神经网络的心电数据压缩研究[J];广西工学院学报;2002年01期

7 任少龙,钟秋海,严承华;小波神经网络在装备研制费预测与控制中的应用[J];海军工程大学学报;2002年05期

8 董杰,马壮,吴云,李嘉林;遗传小波神经网络在飞机加油管路设计中的应用[J];机械科学与技术;2002年S1期

9 赵学智,邹春华,陈统坚,叶邦彦,彭永红;小波神经网络的参数初始化研究[J];华南理工大学学报(自然科学版);2003年02期

10 杨春玲,杨茂华,胡艳,戴景民;小波神经网络在多波长辐射测温中的应用[J];计量学报;2003年04期

中国重要会议论文全文数据库 前10条

1 胡博;陶文华;崔博;白一彤;尹旭;;基于小波神经网络的异步电机故障诊断[A];2009中国控制与决策会议论文集（2）[C];2009年

2 何正友;钱清泉;;一种改进小波神经网络模型在电力故障信号识别中的应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

3 鲁艳军;陈汉新;陈绪兵;;基于小波神经网络的齿轮裂纹故障诊断[A];节能减排 绿色制造 智能制造——低碳经济下高技术制造产业与智能制造发展论坛论文集[C];2010年

4 董健;尹萌;张辉;;小波神经网络结合多项式的混合预测方法在通信规划中的应用[A];2011全国无线及移动通信学术大会论文集[C];2011年

5 谢建宏;张为公;;复合材料疲劳剩余寿命预测的动态小波神经网络方法[A];第二届全国信息获取与处理学术会议论文集[C];2004年

6 陈建秋;张新政;;基于小波神经网络的水质预测应用研究[A];2006中国控制与决策学术年会论文集[C];2006年

7 孙正贵;;小波神经网络的高效学习算法及应用研究[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

8 黄敏;朱启兵;崔宝同;;基于小波神经网络的轧机特性回归[A];2007中国控制与决策学术年会论文集[C];2007年

9 周绍磊;张文广;李新;;一种基于改进遗传算法的小波神经网络[A];2007年中国智能自动化会议论文集[C];2007年

10 杜青;刘剑飞;刘娟;乔延华;;基于小波神经网络的模拟调制信号自动识别[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集（下册）[C];2007年

中国博士学位论文全文数据库 前10条

1 侯霞;小波神经网络若干关键问题研究[D];南京航空航天大学;2006年

2 章文俊;小波神经网络算法及其船舶运动控制应用研究[D];大连海事大学;2014年

3 高协平;小波参数化与小波神经网络研究[D];湖南大学;2003年

4 宋清昆;自适应结构优化神经网络控制研究[D];哈尔滨理工大学;2009年

5 李永红;广义小波神经网络实现雷达相关滤波的研究[D];大连海事大学;2000年

6 银俊成;量子信道与量子小波神经网络相关问题研究[D];陕西师范大学;2013年

7 李文军;多小波和小波神经网络构造及其在电弧故障诊断中的应用研究[D];吉林大学;2008年

8 刘守生;遗传算法与小波神经网络中若干问题的研究[D];南京航空航天大学;2005年

9 黄同成;基于小波神经网络理论的VOCR与HOCR技术研究[D];上海大学;2008年

10 蔡振禹;基于粗集—小波神经网络的煤炭企业管理研究[D];天津大学;2007年

中国硕士学位论文全文数据库 前10条

1 张清华;小波神经网络参数优化及其应用[D];东北农业大学;2009年

2 王建双;基于小波神经网络控制器设计与研究[D];哈尔滨理工大学;2009年

3 张蓉晖;小波神经网络及其在模拟电路诊断中的应用[D];华中科技大学;2008年

4 吴曦;基于随机小波神经网络的一类随机过程的逼近[D];西北工业大学;2001年

5 王勇;基于小波神经网络的模拟电路故障诊断的研究[D];内蒙古工业大学;2006年

6 孙新强;基于小波神经网络的板料冲压回弹研究[D];西南交通大学;2015年

7 但立;基于小波神经网络的地面三维激光扫描点云数据的滑坡监测研究[D];长安大学;2015年

8 王超;基于智能算法的含酸性气体甲烷水合物形成条件预测研究[D];中国石油大学(华东);2014年

9 付梦瑶;电动负载模拟器的控制方法研究[D];中北大学;2016年

10 姜琳珊;基于区间小波神经网络的高炉炉温预测[D];东北大学;2014年

  本文关键词：基于实时路况的动态路径规划研究，，由笔耕文化传播整理发布。

本文编号：346899