原文传递
神经网络在路网流量预测中的应用
| 论文题名： | 神经网络在路网流量预测中的应用 |
| 关键词： | 高速公路网;路网流量预测;联网收费系统;神经网络;叠加噪声;遗传算法 |
| 摘要： | 随着国家高速公路建设的快速发展，高速公路里程数快速增长，高速公路网络逐步形成。联网收费系统把高速公路网作为一个整体来进行统一收费，一般都以非接触式IC 卡为联网收费通行券。高速公路进口、出口流量的不均衡性不仅每天都存在，而且随某些因素的影响，不断地发生变化。不均衡的进口、出口流量就造成了IC卡流向的不均匀。联网收费管理问题主要在于由路网中心电脑对各个收费站历史流量数据进行处理，对各站进出流量差异进行分析及预测，加强对IC 卡的调配与流失的控制。 本文从交通流的基本特点、神经网络的基本原理出发，在对国内外现有流量预测模型研究成果进行系统总结的基础上，对高速公路进出口流量差值的预测进行了深入研究，并结合实际，运用ELMAN 递归神经网络建立了进出流量差值的预测模型，探索了叠加噪声等方法以改善网络泛化性能，将遗传算法与梯度下降法相结合以提高网络预测性能。本文的主要内容包括： 1、对高速公路联网收费系统的原理及结构进行了简单介绍，指出联网收费系统的IC 卡管理、OD 流量调查、路网交通流量研究等对站点流量差值的预测提出了需求。 2、分析了高速公路交通流量以及进出流量差值的组成特点。介绍了交通流理论的发展与思路、介绍了交通流定量预测的几种广泛应用的预测模型。 3、从神经网络发展历史、神经网络结构、神经网络的学习方式、训练方法等方面介绍了神经网络的基本原理。 4、分析了elman 神经网络的结构与学习方法。结合工作实际，建立了基于elman 神经网络的进出流量差值预测模型，并在Matlab中进行仿真试验，通过对模型的训练及仿真分析，提出了改善模型泛化的方案。 5、分析了遗传算法的基本原理、运算过程，以及遗传算子参数对预测模型的影响，建立了基于遗传算法的流量差值预测模型，并尝试建立基于遗传算法与梯度下降法集成的ELMAN 网络预测模型。 |
| 作者： | 徐明 |
| 专业： | 控制工程 |
| 导师： | 李少远;孙兴焕 |
| 授予学位： | 硕士 |
| 授予学位单位： | 上海交通大学 |
| 学位年度： | 2008 |
| 正文语种： | 中文 |
检索历史
应用推荐
