原文传递
神经网络在城市交通流预测模型中应用的研究
| 论文题名： | 神经网络在城市交通流预测模型中应用的研究 |
| 关键词： | 智能交通;城市交通流;交通流预测;神经网络;遗传算法 |
| 摘要： | 智能交通系统是利用最尖端的电子信息通信技术，形成人员、公路和车辆三位一体的新公路交通系统的总称(包括驾驶人员和管理者)。交通诱导系统是智能交通系统领域当中一项重要的研究内容，而交通流量预测问题则是交通诱导系统的核心问题，因此，如何能够实时准确的预测交通流量成为诱导系统是否能够有效实现的关键问题。 首先，本文写作的目的在于研究如何在智能交通领域中的交通流量预测这一重要方向发展已有的智能预测方法，提出新的理论以及将相应的人工神经网络理论应用于具体实例中去的问题。因为交通流量预测具有高度的非线性的特点，与人工神经网络能够处理非线性问题的特征符合，这样的选择使得研究讨论的交通流量预测模型具有较为广泛的应用价值。选取特定几种常见人工神经网络方法进行了计算机仿真，比较仿真结果，得出相关结论。 其次，本文中仿真工具采用的是一台PentiumIV1.7G/256M内存的配置计算机和在自动化领域中被广泛采用的MATLAB，版本为2006a，选取的神经网络分别为BP，高阶神经网络，由于研究的时间有限，选取范围不允许过大，因此上述常用的神经网络被用来仿真。 然后，对交通流量预测进行了仿真，在仿真结果发现，BP神经网络预测时间较为迅速但准确度不高，将现在比较常用的遗传算法用于神经网络的参数学习之后，在精度和预测时间上有所提高，取得的效果令人比较满意。高阶神经网络网络结构中所用的神经元是智能神经元，在预测时具有很强优势，在预测时间和精度上面要高于BP神经网络，并且在高阶神经网络的参数学习过程中也同样利用遗传算法，效果令人满意。可以应用于工程中。 在研究的过程发现，新的神经网络种类层出不穷，对于交通量的预测在性能上可能会有更好的效果，有待进一步的研究。 |
| 作者： | 李贞珍 |
| 专业： | 模式识别与智能系统 |
| 导师： | 孙敏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 上海交通大学 |
| 学位年度： | 2007 |
| 正文语种： | 中文 |
检索历史
应用推荐
