神经网络在短期交通流预测中的应用研究

论文摘要

道路短期交通流预测是智能交通系统的核心内容,也是实现道路交通控制和交通流诱导的重要基础。实时准确的短期交通流预测有助于缓解道路交通拥挤,提高道路通行能力并改善交通安全状况。然而,道路短期交通流具有高度的不确定性和非线性,很难建立合适的数学模型。为此,本文选用神经网络建立短期交通流预测模型,主要研究工作内容如下：首先,在研究BP神经网络的基础上,提出了路段短期交通流预测方案,详细分析了建模过程及模型的预测性能,同时对BP神经网络隐含层神经元个数的选择及数据预处理等问题进行了讨论,给出了提高网络收敛速度的方法。其次,针对BP神经网络初始权阈值设置敏感、易陷入局部极小值等不足,采用擅长全局搜索的遗传算法对BP神经网络的初始权阈值进行优化,再进行BP神经网络的学习和训练,提高了模型的预测性能。最后,以西安市南二环实测短期交通流数据为样本进行预测仿真,结果表明：BP神经网络预测模型不需要设计任何数学模型,算法结构简单,预测精度基本满足短期交通流预测的要求；改进后的遗传神经网络预测模型继承了BP神经网络极强的学习、训练能力,很好的避开了BP神经网络的弊端,同时提高了网络模型的预测精度。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究的背景及意义
• 1.2 研究的现状
• 1.3 论文的框架
• 第二章 短期交通流预测综述
• 2.1 交通流理论研究发展概况
• 2.2 交通流预测的分类
• 2.2.1 交通规划中的长期预测
• 2.2.2 以交通管理为目的的中期预测
• 2.2.3 以实施控制和诱导为目的的短期预测
• 2.3 交通流的特性
• 2.4 短期交通流预测理论
• 2.4.1 短期交通流预测原理
• 2.4.2 短期交通流预测的性能评价指标
• 2.5 短期交通流预测模型
• 2.5.1 时间序列模型
• 2.5.2 非参数回归模型
• 2.5.3 元胞自动机模型
• 2.6 本章小结
• 第三章 人工神经网络基本理论
• 3.1 人工神经网络发展概况
• 3.1.1 人工神经网络发展概况
• 3.1.1.1 初始发展时期
• 3.1.1.2 研究停滞时期
• 3.1.1.3 研究复兴时期
• 3.1.2 人工神经网络的基本原理
• 3.1.2.1 人工神经元模型
• 3.1.2.2 激活函数
• 3.1.2.3 人工神经网络的结构
• 3.1.3 人工神经网络的训练
• 3.1.3.1 无导师学习
• 3.1.3.2 有导师学习
• 3.1.3.3 再励学习
• 3.2 BP神经网络基本原理
• 3.2.1 BP神经网络概述
• 3.2.2 BP算法的数学描述
• 3.2.3 BP神经网络存在的问题
• 3.3 遗传算法在神经网络中的应用
• 3.3.1 遗传算法概述
• 3.3.2 遗传算法的基本原理
• 3.3.2.1 遗传算法运算流程
• 3.3.2.2 遗传算法解决实际问题的步骤
• 3.3.2.3 遗传算法应用要点
• 3.3.3 遗传算法优化BP神经网络
• 3.3.3.1 遗传算法优化BP神经网络的方法
• 3.3.3.2 遗传神经网络算法的步骤
• 3.4 本章小结
• 第四章 神经网络在短期交通流预测模型中的应用
• 4.1 BP神经网络在交通流预测中的应用
• 4.2 BP神经网络预测模型在短期交通流预测中的应用
• 4.2.1 BP神经网络预测短期交通流的方法
• 4.2.2 BP神经网络预测短期交通流的流程
• 4.2.3 BP网络预测模型建模分析
• 4.2.4 基于BP神经网络的短期交通流预测模型应用仿真
• 4.2.4.1 Matlab神经网络工具箱
• 4.2.4.2 预测模型参数设置
• 4.2.4.3 预测结果分析
• 4.2.4.4 预测结果评价
• 4.3 遗传神经网络预测模型在短期交通流预测中的应用
• 4.3.1 遗传神经网络预测模型的模型建模分析
• 4.3.2 基于遗传神经网络的短期交通流预测模型应用仿真
• 4.3.2.1 预测模型参数设置
• 4.3.2.2 预测结果分析
• 4.3.2.3 预测结果评价
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢