神经网络应用于高速公路交通流预测的研究

摘要

交通流分析和预测不仅是智能交通系统的核心内容，也是监控信息服务、交通控制与诱导的重要基础。
　　本文以交通流和神经网络理论为基础，重点讨论了神经网络应用于高速公路交通流预测的两种函数模型，即BP神经网络和小波神经网络。主要研究内容如下：
　　1、通过对交通流和神经网络的学习和研究，提出了高速公路交通流的BP神经网络和小波神经网络的预测方案，分析了高速公路神经网络的建模过程和预测性能。同时，针对标准BP网络模型的误差过大、无法收敛问题，采用附加动量和自适应调节学习率的方式对BP网络进行改进。
　　2、以辽宁高速阜营段的实际交通流数据为样本进行预测仿真。通过对预测数据的比较，从系统稳定性、学习效率和预测精度等方面分析了BP神经网络和小波神经在高速公路交通流预测上各自的优势和不足。
　　3、总体来说，标准的BP神经网络预测效果较差，无法达到设计要求。但改进后的BP神经网络和小波神经网络模型对高速公路交通流预测的效果基本符合实际交通诱导的需求。预测精度方面，小波网络优于BP神经网络;系统稳定性方面，BP网络优于小波网络。

目录

声明

摘要

第1章 绪论

1．1 选题背景

1．2 理论意义和应用价值

1．3 国内外研究现状及发展趋势

1．4 论文的内容安排

第2章 交通流理论

2．1 交通流参数

2．1．1 流量

2．1．2 速度

2．1．3 交通密度

2．2 交通流基本参数模型

2．2．1 车速与密度模型

2．2．2 流量与交通密度模型

2．2．3 速度与流量模型

2．3 高速公路动态交通模型

2．3．1 动态交通密度模型

2．3．2 动态速度模型

2．3．3 动态流量模型

第3章 人工神经网络理论

3．1 生物神经网络的原理

3．2 人工神经网络的原理

3．2．1 人工神经元

3．2．2 人工神经网络的拓扑

3．2．3 人工神经网络的训练

3．3 BP神经网络模型

3．3．1 BP神经网络训练的算法

3．3．2 BP神经网络训练的过程

3．3．3 BP神经网络的改进

3．4 小波神经网络

3．4．1 小波神经网络基本原理

3．4．2 小波神经网络实现步骤

3．4．3 小波函数的选择

第4章 高速公路交通流的神经网络模型

4．1 监测路段的原始模型

4．2 神经网络的结构设计

4．2．1 输入层节点和输出层节点的设计

4．2．2 网络设计

4．3 神经网络的仿真流程图

4．4 仿真预测与分析

4．4．1 样本数据归一化处理

4．4．2 神经网络的训练

4．4．3 交通流的预测

第5章 总结

参考文献

致谢