基于Elman神经网络的短时交通流预测及应用研究

摘要

近年来，随着我国经济的快速发展和城市的持续繁荣，人均汽车拥有量与日俱增，全国大、中、小城市均面临着不同程度的交通拥堵、交通安全、能源消耗、环境污染等问题，严重影响了城市生活的质量和城市经济的可持续发展。加快城市交通系统建设、大力发展智能交通，已经成为新时代城市的共同呼唤。作为实现智能交通控制和诱导的关键环节，实时准确的短时交通流预测及其应用研究对提高现有交通路网的通行效率，解决当前城市交通问题具有非常重要的理论价值和指导意义。
　　本文选择短时交通流预测和基于车流量的城市交叉口交通信号优化控制为研究对象，采用改进粒子群算法(IPSO)优化Elman神经网络的方法实现了对短时交通流的预测，基于预测结果，利用轮询控制模型优化分析了交叉口交通灯配时方案。根据实际交通流数据进行仿真实验，结果表明该预测方法和交通灯配时方案能有效提高短时交通流的预测精度和城市交叉口的通行能力。
　　论文进行的主要工作有:
　　针对短时交通流的高度非线性、随机性、相关性等特点，在对比分析传统预测方法和新型智能预测方法的优缺点后选择具有高度非线性映射能力、良好的学习能力和动态变化能力的Elman神经网络作为预测方法，并采用IPSO算法与Elman神经网络相结合，使二者优势互补，改善了传统神经网络收敛速度慢和容易陷入局部极小值的缺点。
　　采用IPSO算法优化Elman神经网络的连接权值和阈值，建立了基于IPSO-Elman神经网络的短时交通流预测模型，通过对采集到的交通流数据在时间和空间上的周期性及变化规律进行分析，确定了预测模型的具体输入，仿真对比实验表明该预测模型有效提高了短时交通流的预测精度。
　　基于对短时交通流预测结果的应用研究，在分析城市交通路网相邻交叉口车流量相关性的基础上，建立基于车流量的交通灯轮询控制模型，并求得了交叉口交通灯配时方案和车辆通过交叉口时的平均排队长度，仿真实验结果表明减小了车辆平均排队长度、有效提高了交叉口的通行效率，缓解了交通拥堵。

目录

声明

摘要

1 绪论

1．1 论文研究背景

1．2 研究意义及目的

1．3 国内外研究现状

1．3．1 短时交通流预测

1．3．2 交通信号控制

1．4 论文主要研究内容

2 短时交通流预测与交通信号控制

2．1 短时交通流预测

2．1．1 短时交通流预测基本流程和要求

2．1．2 短时交通流基本特征参数分析

2．1．3 短时交通流预测评价指标

2．2 交通信号控制

2．2．1 交通信号控制的目的

2．2．2 交通信号控制参数

2．2．3 交通信号控制技术

2．3 本章小结

3 Elman神经网络和粒子群算法

3．1 人工神经网络简介

3．1．1 人工神经网络的特点

3．1．2 人工神经网络的结构

3．2 Elman神经网络

3．2．1 Elman神经网络的结构

3．2．2 Elman神经网络的学习算法

3．3 粒子群优化算法

3．3．1 标准粒子群算法

3．3．2 粒子群算法的改进

3．4 本章小结

4 基于IPSO-Elman神经网络的短时交通流预测研究

4．1 短时交通流数据采集及时空特性分析

4．1．1 短时交通流数据采集

4．1．2 短时交通流时间特性分析

4．1．3 区域路网短时交通流空间特性分析

4．2 基于IPSO-Elman神经网络的预测模型

4．2．2 IPSO优化Elman神经网络的流程

4．3 实验仿真分析

4．3．1 仿真实例

4．3．2 交通流数据预处理

4．3．3 IPSO-Elman神经网络模型参数选择

4．3．4 实验结果分析

4．4 本章小结

5 基于车流量的智能交通交叉口信号优化控制

5．1 交叉路口交通网络模型的建立与分析

5．1．1 交叉路口交通网络模型的建立

5．1．2 中心交叉路口车流量控制模型

5．2 智能交通交叉口交通信号灯控制模型

5．2．1 交叉口交通信号灯轮询控制模型

5．2．2 轮询控制模型的门限服务策略

5．2．3 交叉口交通灯动态配时分析

5．2．4 交叉口交通灯控制效果评价指标

5．3 实验仿真

5．4 本章小结

结论

致谢

参考文献

攻读硕士学位期间的研究成果