基于遗传算法和BP神经网络的区域性公路交通量预测研究

摘要

公路交通是众多现代化交通运输中发展最迅速的运输方式，作为综合交通运输体系的主要组成成分，其具有基础性的地位，它是推动运输体系不断完善的主导力量。近年来，我国公路事业蓬勃发展，如何能够快速准确的进行交通量的预测是我们必须面对和解决的问题。
　　预测模型的选择直接影响到了我们所需的数据资料以及预测的精度，本文根据对交通量预测方法和模型的研究，主要做了以下工作:
　　首先本文分析了公路交通量预测在公路发展中的重要性，总结了公路交通量预测的发展趋势，并分析了常用的各种方法的优缺点。探讨了影响客运量和货运量的影响因素，采用相关系数法最终确定与客货运量相关的参数，分别对客运量和货运量进行预测。
　　其次对BP神经网络和遗传算法进行了相关的分析和总结，指出了BP神经网络的缺陷，提出将遗传算法与BP神经网络算法相结合，即GA-BP模型。用遗传算法优化BP神经网络的权值和阀值，通过MATLAB建立模型实施模拟与预测，得出客货运量的预测值，并与实际值作比较，证明了预测方法的可行性。
　　第三，根据预测的客货运量值，转换成标准车辆数，再采用合适的交通量分配方法，将其分配到相应路线上，与已有的调查点数据作比较，证明了该种模型用于交通量的预测的可行性。
　　最后，对采用GA-BP网络模型预测交通量的局限性做了总结和说明，并也同时提出了相应的问题，为以后继续深入探讨提供思考。

目录

声明

摘要

第1章 绪论

1．1 研究背景和意义

1．2 交通量预测国内外研究现状

1．2．1 国外的发展状况

1．2．2 国内的发展状况

1．3 论文主要内容与方法思路

第2章 交通量发展趋势及影响因素分析

2．1 运输结构变化与公路的发展趋势

2．1．1 运输结构的变化

2．1．2 公路的发展趋势及特点

2．2 影响交通量的因素

2．3 影响因素的考虑和选取

2．3．1 影响因素的选取原则

2．3．2 影响因素的选取

2．4 本章小结

第3章 BP神经网络和遗传算法的学习与探讨

3．1 BP神经网络原理和特点

3．1．1 神经网络的特点

3．1．2 BP神经网络的结构特性

3．1．3 网络结构参数的确定

3．1．4 BP网络的算法步骤

3．2 遗传算法原理和特点

3．2．1 遗传算法的原理

3．2．2 遗传算法的特点

3．2．3 遗传算法的步骤

3．3 遗传算法与BP神经网络的结合

3．3．1 将遗传算法与BP神经网络结合的原因

3．3．2 遗传算法与BP神经网络结合的算法优化

3．3．3 遗传算法与BP神经网络结合的步骤与算法

3．4 本章小结

第4章 基于多因素情况下的GA-BP模型的区域公路交通量预测

4．1 相关历史数据资料收集与整理

4．1．1 数据的收集

4．1．2 数据的归一化处理

4．2 多影响因子的GA-BP模型的建立及客货运量的预测

4．2．1 GA-BP模型结构的建立

4．2．2 GA-BP模型结构数据处理与分析

4．3 公路运输量与交通量的转换

4．4 交通量的分配

4．4．1 交通量的分配方法

4．4．2 交通量的分配结果

4．5 本章小结

总结和展望

结论

展望

致谢

参考文献

攻读硕士学位期间发表的论文及科研成果