基于BP人工神经网络的短期交通预测研究

摘要

短期交通预测是交通控制、车辆导航等领域需要解决的重要问题之一。研究交通预测的理论和方法，从而实现比较准确地预测未来15分钟或更长一段时间内道路上的交通状况，对于缓解城市交通堵塞、避免社会资源的浪费有着重要的意义和应用价值。 城市快速路作为城市路网中的主要经脉，承担了城市中大部分的长距离交通，快速路的交通状况在相当程度上影响着城市的出行质量。在智能交通系统的大背景下，如何利用丰富的交通检测数据，对未来的交通流状态，特别是在城市中处于重要地位的快速路的交通状态进行预测，对于提高交通运输效率，特别是物流配送企业的效率具有重要的理论意义和实用价值。 起源于上世纪四十年代的人工神经网络(ANN)是人工智能的一个分支，它在很多领域得到了广泛的应用。神经网络能学习贮存以往的历史经验知识，并能外推到未来，这是神经网络用于预测领域的理论依据。对于非线性的时间序列预测，神经网络比其他数学模型更有效和精确度更高。本文基于路段上的实时的观测交通流数据，利用BP人工神经网络方法，结合信号处理技术，对城市快速路段上未来24小时单点的交通流速度预测算法进行了研究。具体包括以下工作：对快速路段上的交通数据进行了预处理。包括应用交通流阈值法、交通流机理法对交通数据进行了奇异点的剔除，应用数值差分法对丢失数据进行了估计；应用了小波分析理论对数据序列进行了滤噪处理，在尽可能保证原始数据的特征的情况下，有效地过滤掉噪声数据的干扰。 利用BP人工神经网络的相关理论和方法对交通速度数据进行了训练和预测，在输入变量中考虑了日期类型，应用了平假日因子，最后通过实际预测验证，本论文所建立的神经网络预测模型充分考虑了各种影响因素，预测精度良好，具有较好的非线性映射能力，有进一步开发应用于实际预测的良好前景。

目录

文摘

英文文摘

独创性声明及关于论文使用授权的说明

第1章绪论

第2章国内外研究现状

第3章常规预测方法介绍

第4章交通数据的预处理

第5章基于BP人工神经网络的短期交通预测方法

结论

参考文献

攻读硕士学位期间发表的学术论文

致谢