智能停车场短时泊车位预测的研究

摘要

随着车辆拥有量飙升，停车难和交通拥挤已是国际通病。造成该问题的一部分原因是由于驾驶员在寻找泊车位时的无效巡游导致的无效交通。停车诱导系统可以为驾驶员提供诱导信息，从而帮助驾驶员作出合理的停车判断，大大缩短巡游时间，减少无效交通，改善城市交通状况。
　　短时有效泊车位预测是停车诱导系统的难点，针对该问题，本文研究了预测相关技术，对比了相关预测模型，对BP神经网络的方法和算法进行了研究，提出了基于遗传算法优化的BP神经网络的有效泊车位预测方法，主要工作包括：
　　（1）针对短时有效泊车位预测，结合成都某停车场停车数据实例，在matlab中分别建立GM(1,1)模型和BP神经网络预测模型，详细阐述了模型建立过程中具体的参数设置和误差标准，实验表明BP神经网络预测模型精度比GM(1,1)的精度要高得多。
　　（2）针对BP神经网络易陷入局部极小值，收敛速度慢和易出现震荡等缺点，提出基于遗传算法优化的BP神经网络的有效泊车位预测方法，采用具有全局寻优的特点的GA算法对BP神经网络进行优化，找到BP神经网络的最优初始权值和阈值，既达到全局寻优的效果也保留局部搜索能力，弥补传统BP神经网络随意选取初始值的缺陷。详细阐述了优化模型的参数设置的过程。
　　（3）结合成都某停车场停车数据实例，在matlab中分别建立BP神经网络预测模型和GABP预测模型，实验表明GABP预测模型精度比BP神经网络模型的精度要高，收敛性要强。

目录

1 绪 论

1.1研究的背景

1.2国内外研究现状

1.3研究的目的和意义

1.4研究的内容

1.5论文的组织结构

1.6本章小结

2 关键技术

2.1预测相关的概念及方法

2.2时间序列预测技术相关的概念及方法

2.3灰色模型

2.4人工神经网络概述

2.5遗传算法

2.6本章小结

3 短时有效泊车位预测相关模型

3.1有效泊车位的影响因素

3.2样本数据的收集和准备

3.3灰色预测模型

3.4 BP神经网络预测模型

3.5实验结果分析

3.6本章小结

4 基于遗传算法优化的BP神经网络的有效泊车位预测

4.1遗传算法优化的BP神经网络预测

4.2 GABP神经网络参数选择

4.3 GABP算法步骤

4.4 GABP网络模型仿真实验预测

4.5实验结果对比分析

4.6本章小结

5 总结和展望

5.1工作总结

5.2不足与展望

致谢

参考文献

附录

A.作者在攻读学位期间发表的论文目录

B. 作者在攻读学位期间参与的科研项目目录