原文传递
基于神经网络技术的居民出行分布预测模型研究
| 论文题名： | 基于神经网络技术的居民出行分布预测模型研究 |
| 关键词： | 交通规划;居民出行分布量;预测模型;神经网络技术;双约束重力模型 |
| 摘要： | 交通需求预测是交通规划的重要内容，而交通分布预测则是交通需求预测的一个重要环节。因此，交通分布预测精度将直接影响交通需求预测结果的精度，而神经网络可以很好地解决交通领域内非线性问题，特别是前向型神经网络较适合于交通分布量预测，并且神经网络的训练速度和预测精度等在不断改善提高。因此，本文尝试应用神经网络技术对居民机动车出行分布问题进行研究。 首先，引入了区位势分析了影响居民出行分布量的交通小区可达性、聚集规模因子等区位因素，确定了小区可达性计算公式，依据专家打分法给出了聚集规模因子等级，据此得出了区位势的求解方法，并以2005年辽阳市中心城区为例，计算得到了交通小区区位势，为出行分布预测模型提供了输入参数。 依据交通流理论，在综合分析交叉口、自行车、行人、车道宽度等干扰因素的基础上，确定了居民机动车出行时间的计算公式，并将该出行时间作为出行分布预测的路阻函数，从而为出行分布预测模型提供了输入参数。 其次，通过分析居民机动车出行机理，建立了基于BP神经网络的居民机动车出行分布预测模型。模型的输入参数为区位势、路阻、出行产生量、出行吸引量，输出参数为出行分布量。测试结果表明该模型不仅具有较高的预测精度，而且能够满足产生区、吸引区出行量相等的边界条件。 最后，分别应用BP神经网络模型与双约束重力模型进行出行分布预测，并对预测结果及模型参数进行了对比分析。 |
| 作者： | 杜英春 |
| 专业： | 交通运输规划与管理 |
| 导师： | 孟祥海 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工业大学 |
| 学位年度： | 2008 |
| 正文语种： | 中文 |
检索历史
应用推荐
