原文传递
神经网络在短期交通流预测中的应用研究
| 论文题名： | 神经网络在短期交通流预测中的应用研究 |
| 关键词： | 智能交通系统;短期交通流预测;神经网络;遗传算法 |
| 摘要： | 道路短期交通流预测是智能交通系统的核心内容,也是实现道路交通控制和交通流诱导的重要基础。实时准确的短期交通流预测有助于缓解道路交通拥挤,提高道路通行能力并改善交通安全状况。然而,道路短期交通流具有高度的不确定性和非线性,很难建立合适的数学模型。为此,本文选用神经网络建立短期交通流预测模型,主要研究工作内容如下: 首先,在研究BP神经网络的基础上,提出了路段短期交通流预测方案,详细分析了建模过程及模型的预测性能,同时对BP神经网络隐含层神经元个数的选择及数据预处理等问题进行了讨论,给出了提高网络收敛速度的方法。 其次,针对BP神经网络初始权阈值设置敏感、易陷入局部极小值等不足,采用擅长全局搜索的遗传算法对BP神经网络的初始权阈值进行优化,再进行BP神经网络的学习和训练,提高了模型的预测性能。 最后,以西安市南二环实测短期交通流数据为样本进行预测仿真,结果表明:BP神经网络预测模型不需要设计任何数学模型,算法结构简单,预测精度基本满足短期交通流预测的要求；改进后的遗传神经网络预测模型继承了BP神经网络极强的学习、训练能力,很好的避开了BP神经网络的弊端,同时提高了网络模型的预测精度。 |
| 作者： | 刘秋平 |
| 专业： | 智能交通与信息系统工程 |
| 导师： | 郭元术 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
