基于神經(jīng)網(wǎng)絡(luò)的城市交通流量預(yù)測(cè)模型研究.pdf

1、隨著我國(guó)城鎮(zhèn)化進(jìn)程的不斷深入與汽車行業(yè)的增長(zhǎng)，我國(guó)的汽車數(shù)量呈高速增長(zhǎng)趨勢(shì)。過(guò)多的機(jī)動(dòng)車帶來(lái)了一系列的負(fù)面問(wèn)題:交通擁堵、交通事故頻發(fā)、能源利用率低、尾氣污染等。其中，交通擁堵問(wèn)題顯得尤為嚴(yán)峻，目前仍然沒(méi)有得到較好的改善。當(dāng)前交通調(diào)控與管理已經(jīng)趨向于智能化，交通流量預(yù)測(cè)是交通管理與調(diào)控過(guò)程中的關(guān)鍵環(huán)節(jié)，準(zhǔn)確的獲得短時(shí)交通流量的預(yù)測(cè)數(shù)據(jù)具有很大的現(xiàn)實(shí)意義。
　　交通流量是一個(gè)多變量、時(shí)變性強(qiáng)的復(fù)雜參量。目前已有較多的單個(gè)預(yù)測(cè)模型可以

2、實(shí)現(xiàn)交通流量預(yù)測(cè)，針對(duì)單個(gè)預(yù)測(cè)模型，研究重點(diǎn)在于如何提高預(yù)測(cè)模型的精度。為了提高交通流量預(yù)測(cè)模型的精度，本文的工作從以下幾個(gè)方面展開:
　?。ㄒ唬┍疚氖紫确治隽私煌鲾?shù)據(jù)的時(shí)間特性和空間特性，在充分考慮了交通流量的周期性、隨機(jī)性和相似性的基礎(chǔ)之上，根據(jù)日類型因素、時(shí)間因素、氣象因素、事故因素等因素對(duì)歷史交通數(shù)據(jù)進(jìn)行歸類和劃分。
　?。ǘ┍疚慕榻B了幾種當(dāng)前使用比較廣泛的預(yù)測(cè)方法，分別對(duì)其原理及使用方法進(jìn)行了闡述，并使用每種方

3、法對(duì)交通流量預(yù)測(cè)做了實(shí)例分析，總結(jié)與對(duì)比了各種預(yù)測(cè)方法的特點(diǎn)。
　?。ㄈ┰趯?duì)比幾種預(yù)測(cè)方法后，本文選擇使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行交通流量預(yù)測(cè)。對(duì)于交通流體現(xiàn)出的非線性特性以及BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型容易陷入局部極小值的問(wèn)題，本文首先對(duì)基本BP算法進(jìn)行了一定的改進(jìn)，使用自適應(yīng)變步長(zhǎng)算法來(lái)改善BP神經(jīng)網(wǎng)絡(luò)的收斂慢、容易出現(xiàn)振蕩的缺陷;此外，為了搜尋最優(yōu)BP網(wǎng)絡(luò)模型，文中采用了基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，這是本文的一個(gè)創(chuàng)新之處。

4、　?。ㄋ模?duì)于神經(jīng)網(wǎng)絡(luò)的輸入量選擇的問(wèn)題，本文做了輸入量相關(guān)性的數(shù)學(xué)分析，從眾多影響因素中選擇與期望輸出相關(guān)度較大的因素作為輸入變量，從而提高預(yù)測(cè)模型的精度。
　?。ㄎ澹┳詈?，文中以廣州市道路的交通流量數(shù)據(jù)作為樣本，進(jìn)行了三種不同的MATLAB仿真:1,使用傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行仿真，并通過(guò)使用不同數(shù)目的隱層神經(jīng)元數(shù)目得出不同的誤差精度，以此來(lái)選擇可以使得誤差精度較高的隱層神經(jīng)元數(shù)目;2,使用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行仿真，采