原文传递
城市道路交通流预测与路径选择研究
| 论文题名： | 城市道路交通流预测与路径选择研究 |
| 关键词： | 城市道路;交通流预测;路径选择;神经网络;聚类分析 |
| 摘要： | 随着城市汽车保有量的不断增长，车辆尾气污染和道路交通拥堵问题愈发严重。交通诱导系统可以有效地减少车辆污染和缓解交通拥堵。准确预测城市道路交通流量对交通诱导起到非常关键的作用，合理地路径优化可以为交通诱导提供方案，从而达到解决交通问题的目的。 为了提高交通流量预测的准确率，本文提出了在交通流数据聚类分析之后，再采用神经网络进行预测的方法。本文的主要研究内容和成果如下: (1)分析了交通流量预测技术和路径选择技术的原理、研究现状与应用。 (2)针对交通流数据的特性和影响因素，提出了一种基于K-Means算法和遗传算法(GA)优化的小波神经网络(WNN)的交通流量预测方法。鉴于K-Means算法能够快速高效地处理大规模数值型数据的特点，采用该算法以一天的交通流量、天气和天的特征（普通工作日、普通假期或者特长假期）为指标，将历史数据分类成若干个类。 (3)针对分类完成的每一个类，采用GA-WNN方法建立相应的预测模型，对实际数据进行预测，仿真结果表明:该方法不仅对工作日的交通流量预测精度好于只采用GA-WNN，而且对普通假期、特长假期或者不同天气状况的交通流量预测精度也较好。 (4)分析了交通路网的路径选择，基于流量预测设计了路径选择系统，该系统将Dijkstra最短路径算法应用于交通中路径选择为用户提供出行路径方案，并进行了仿真实验，结果表明该系统符合设计需求。 |
| 作者： | 慕伟 |
| 专业： | 控制科学与工程 |
| 导师： | 陈国定 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江工业大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
