基于神经网络的城市道路交通量短时预测研究

摘要

智能交通系统(ITS)能成功应用于城市道路网的关键技术之一，是城市道路交通量短时预测。满足系统精度要求的城市道路短时交通量，是支撑交通管理系统、出行者信息系统等智能交通系统各子系统的基础。准确的交通量短时预测数据，可应用于道路交叉口信号灯实时配时，减少红灯延误并增强交叉口通行能力；可增强交通流可视化应用的时效性，改善城市车辆在路网运行的安全状况。城市道路交通量短时预测有着十分广阔的应用前景，但交通量短时预测具有随机性与非线性等特征，使其建立数学模型较为困难。在认真研究了交通量短时预测的各项特征之后，本文认为人工神经网络的诸多优点均可与其随机性、非线性等特征相契合。将预测模型与神经网络二者理论综合考量与融合后，建立以人工神经网络预测模型为基础的针对城市道路交通量的短时预测模型。利用MATLAB软件实现预测模型之后，选取实例验证其准确性，具体研究内容如下：
　　首先，对交通量短时预测理论进行研究，并利用短时交通量的时空特征对短时预测模型进行分类，在此基础之上探究模型建立的原则与制定相应的模型评价指标。
　　其次，在对人工神经网络的相关理论进行研究后，提出将BP神经网络与交通量短时预测相结合的预测方案，建立基于BP神经网络的交通量短时预测模型。建立这种短时预测模型的关键在于BP神经网络模型拓扑结构的建立与相关参数的确立，在讨论模型网络层数选取，神经元数目确定，预测数据处理等模型建立关键步骤的同时，也对BP神经网络的局限性进行分析讨论，针对其局限性提出优化改进的措施。
　　再次，针对前文提出的优化BP神经网络权值与阈值来避免网络模型陷入局部最小值这一思路，选用具有自适应全局优化搜索算法的遗传算法建立遗传-BP神经网络交通量短时预测模型。利用遗传算法优化网络模型的权值与阈值之后，再进行网络模型的训练及仿真预测，以提高模型的预测准确性。
　　最后，以银川市市区交叉口实测的短期交通量数据为样本，根据短时预测模型的分类确立两种不同的输入方案；根据前文对BP神经网络以及利用遗传算法对网络的优化分析，运用MATLAB2009a神经网络工具箱建立基于传统BP神经网络模型与基于遗传算法优化传统BP神经网络模型权值与阈值的两类交通量短时预测模型。利用两种方案与不同模型相结合对研究交叉口进口道交通量进行预测，并对预测结果进行分析与对比。结果表明，BP神经网络模型预测结果基本满足应用要求；优化后的遗传-BP神经网络模型避免了BP神经网络的缺陷，提高了预测精度，更具利用价值。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1研究的背景及意义

1.2国内外研究现状

1.3 论文研究内容及章节安排

2 交通量短时预测理论研究

2.1交通量短时预测的相关概念

2.2交通量特性分析

2.3 交通量短时预测模型的分类

2.4 交通量短时预测模型建立的原则

2.5交通量短时预测评价指标

2.6本章小结

3 人工神经网络理论分析

3.1人工神经网络基本原理

3.2 BP神经网络原理

3.3遗传算法在神经网络中的应用

3.4本章小结

4交通量短时预测模型实例验证与分析

4.1训练数据样本说明

4.2模型的输入输出方案设计

4.3 遗传-BP神经网络拓扑结构的确定

4.4遗传-BP神经网络交通流量短时预测

4.5不同模型及方案预测结果对比分析

4.6本章小结

5 结论和展望

5.1结论、展望

5.2应用分析

致谢

参考文献

攻读学位期间的研究成果