基于改进BP神经网络算法的高速公路网短时交通流预测研究

摘要

交通是经济社会生产发展的基础，人类的社会活动与道路交通紧密相关。伴随着车流量的进一步增加，我国高速公路部分路段出现了严重的交通拥堵。应用先进理论和技术的交通诱导系统为缓解交通拥挤提供了有力的支持，而获得实时准确的道路交通流信息是交通诱导系统最重要的内容，基于此本文针对高速公路交通流采集及预测进行研究。
　　首先对目前我国的高速公路交通现状、短时交通流预测方法及交通流的特性进行了论述和分析。对遗传算法、BP神经网络算法进行短时交通流预测存在的问题进行了研究和改进，对于遗传算法存在的“早熟”和后期优化寻优速度慢的问题，应用了小生境排挤策略进行改善;采用附加动量法和自适应学习率的方法改善BP神经网络训练过程中的不稳定性和学习速率慢的缺陷。将改进后的BP神经网络与遗传算法结合，建立了基于遗传算法与BP神经网络的短时交通流预测模型，并对模型进行了验证。最后，论文提出了基于所建模型的高速公路网短时交通流预测系统，即利用高速公路收费站的交通流历史数据，结合部分关键路点的实时交通流数据对高速公路网的交通流进行预测，并利用MATLAB与Visual Basic软件建立了系统框架平台。

目录

声明

摘要

1 绪论

1．1 课题背景与意义

1．2 国内外研究现状

1．3 发展动态

1．4 论文研究的内容

2 交通流特性分析

2．1 交通流的不确定特性

2．2 交通流的非线性特性

2．3 本章小结

3 神经网络和遗传算法

3．1 遗传算法理论

3．2 神经网络理论

3．3 反向传播(BP)神经网络

3．4 遗传算法优化神经网络

3．5 本章小结

4 基于混合遗传算法的神经网络短时交通流预测

4．1 交通流量数据样本采集处理

4．2 遗传算法设计

4．3 神经网络设计

4．4 仿真试验及结果分析

4．5 本章小结

5 高速公路交通流预测系统设计

5．1 高速公路交通流预测系统设计

5．2 高速公路交通流预测原理

5．3 济青高速公路济南段预测结果

5．4 基于VB及matlab软件的高速公路交通流预测系统实现

5．5 本章小结

6 结论及展望

6．1 结论

6．2 展望

参考文献

致谢

硕士期间发表的论文