基于优化的BP神经网络的短时交通流预测算法研究

摘要

在日益繁忙的工作生活中，交通出行占据的重要地位已经日益凸显。减缓交通拥堵，提高路网的使用效率，尽最大可能减少交通事故的发生概率，已经成为各个国家共识。路网交通流预测算法的进一步研究及应用，已经作为解决上述一系列问题的一个有效处理方案，在智能交通系统(Intelligent Transport Systems，ITS)扮演着日益重要的角色。
　　本文基于BP神经网络建立了城市短时交通流预测模型，分别用遗传算法和思维进化算法进行了优化。不同于遗传算法，思维进化算法采用“群体寻优”取代了“个体寻优”，使用“趋同”和“异化”操作取代了遗传算法中的“交叉”和“变异”操作。思维进化算法优化的BP神经网络算法，首先产生初始种群，然后采用思维进化算法优化BP神经网络的权值和阈值。当训练结束后，评价训练结果，若不满足条件，再重新采用思维进化算法进行优化操作。分别分析了三种模型的构建原理，最后用实际交通数据对三种模型进行了仿真，将仿真结果进行比较。实验测试结果证实，当进行短时路网交通流预测研究时，采用基于思维进化算法来优化的BP神经网络时的算法，能够获得比较高精度的预测值。

目录

封面

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题研究的背景与意义

1.2 智能交通系统

1.3 交通诱导系统

1.4 短时交通流预测的研究

1.5 论文研究的内容及目标

第二章 人工神经网络分析

2.1 神经网络的概念

2.2 BP神经网络

2.3 本章小结

第三章 进化算法分析

3.1 遗传算法

3.2 思维进化算法

3.3 本章小结

第四章 进化算法优化BP神经网络建模及MATLAB仿真分析

4.1 混沌时间序列的BP神经网络建模

4.2 GA优化BP神经网络建模分析

4.3 MEA优化BP神经网络建模分析

4.4 MATLAB仿真分析

4.5 本章小结

结论与展望

参考文献

攻读学位期间研究成果

致谢

声明