高速公路短時交通流預(yù)測算法研究.pdf

1、城市內(nèi)高速公路，主要給城市內(nèi)部的車輛提供中短途的快速通行服務(wù)，車流波動較大，與普通道路耦合程度較高，故對其進行準(zhǔn)確的交通流短時預(yù)測可以給整個城市交通帶來巨大便利。交通流量的短時預(yù)測是交通控制和交通誘導(dǎo)的重要前提，也是本文研究的主要方向。交通流通常表現(xiàn)出周期性、不確定性和高度非線性等特點，而神經(jīng)網(wǎng)絡(luò)剛好具有良好的非線性映射能力和學(xué)習(xí)能力。因此，本文將重點研究基于神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測算法。在神經(jīng)網(wǎng)絡(luò)中，BP神經(jīng)網(wǎng)絡(luò)作為前饋型神經(jīng)網(wǎng)絡(luò)的核

2、心部分而得到了廣泛的應(yīng)用，但它在實際應(yīng)用中也存在容易陷入局部極小值和收斂速度慢等缺點。為此，本文將針對這些缺點對BP神經(jīng)網(wǎng)絡(luò)進行改進，并將優(yōu)化后的算法用于高速公路交通流短時預(yù)測。
　　首先，描述了交通流預(yù)測基本概念，包括交通流的三個重要參數(shù)和交通流的特性，介紹了交通流數(shù)據(jù)的采集和預(yù)處理方法，研究了多種高速公路動態(tài)交通模型，并給出了四種交通流預(yù)測性能評價指標(biāo)。
　　然后，詳細(xì)描述了BP神經(jīng)網(wǎng)絡(luò)短時交通流預(yù)測模型的建立過程，包括

3、輸入輸出節(jié)點數(shù)和隱層節(jié)點數(shù)的確定與樣本庫的生成，用確定好的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型對實際高速公路交通流數(shù)據(jù)進行仿真實驗，并對預(yù)測結(jié)果進行分析，證實了用BP網(wǎng)絡(luò)算法來進行高速公路交通流量短時預(yù)測是可行的，但是效果還有待提高。
　　其次，用一種以小波基函數(shù)取代BP神經(jīng)網(wǎng)絡(luò)隱含層的Sigmoid函數(shù)的小波神經(jīng)網(wǎng)絡(luò)模型繼續(xù)進行仿真實驗，并與BP算法進行比較，進一步提高了預(yù)測算法的相關(guān)性能。
　　最后，將最大最小蟻群算法與小波神經(jīng)網(wǎng)絡(luò)進行