基于小波网络的交通预测和道路择优的研究

摘要

随着智能交通系统的快速发展，智能交通的实时、准确、高效的控制俨然已成为智能交通系统中的重要部分。交通流量预测作为智能交通系统的基础，可对交通诱导，道路拥堵预警以及最优路径的选择提供有效的参考数据。预测的精确性直接影响交通管理和控制的成效。
　　同时，由于道路拥堵现象的存在，选择出合适的驾驶路径，节约驾驶时间也显得格外重要。目前，汽车导航越来越普及，但并不能为人类智能的选择出耗时最短的路径，因此，提供最优行驶路径对交通诱导意义重大。
　　针对提高交通流量预测的准确性，本文对采集的原始交通流数据进行整理分析与判断后，在误差前向反馈算法以及神经网络遗传算法分析的基础上，确定了小波神经网络的结构。然后通过改进的三段式遗传算法对神经网络的权值进行初始化，并由遗传算法得出的最优个体解码作为小波神经的权值及因子，在此基础上构建出小波神经网络。最后利用建立的小波神经网络预测出交通流量值，并对预测误差进行分析，采用Dijkstra算法确定出用时最短的最优路径后，利用MFC对该模型进行软件实现。

目录

声明

致谢

摘要

第一章 绪论

1．1 研究的背景和意义

1．2 国内外研究现状

1．2．1 交通流预测研究现状

1．2．2 智能交通国内外研究现状

1．3 论文主要研究内容

第二章 BP神经网络的不足及改进方法

2．1 神经网络发展历史及应用

2．2 神经网络基础理论

2．3 BP神经网络的改进方法

2．3．1 BF神经网络结构及学习算法

2．3．2 BP神经网络的不足

2．3．2 BP神经网络的改进方法

2．4 本章小结

第三章 改进小波网络预测模型研究

3．1 遗传算法

3．1．1 遗传算法的基本原理

3．1．2 遗传算法的操作步骤

3．1．3 遗传算法的特点

3．2 小波网络

3．2．1 小波函数

3．2．2 小波神经网络

3．2．3 小波网络与普通BP网络性能比较

3．3 改进的遗传算法优化小波网络

3．3．1 小波网络模型

3．3．2 数据处理及网络结构确定

3．3．3 三段式遗传进化算法优化网络权值和因子

3．4 改进遗传算法优化过程比较分析

3．5 本章小结

第四章 优化的小波网络预测交通流的研究与应用

4．1 优化的网络预测交通流仿真分析

4．2 基于时间权重的道路择优

4．2．1 道路择优的目标确定

4．2．2 时间权重的计算方式确定

4．2．3 基于预测的道路模型分析

4．3 基于时间权重的路网道路选择

4．3．1 基于预测时间权重模拟路网的确定

4．3．2 Dijkstra算法选择最短路径

4．4 基于预测算法的软件设计

4．5 本章小结

第五章 总结及展望

5．1 总结

5．2 展望

参考文献

攻读硕士学位期间的学术活动及成果情况