高速公路短時(shí)交通流預(yù)測(cè)算法研究.pdf

1、城市內(nèi)高速公路，主要給城市內(nèi)部的車輛提供中短途的快速通行服務(wù)，車流波動(dòng)較大，與普通道路耦合程度較高，故對(duì)其進(jìn)行準(zhǔn)確的交通流短時(shí)預(yù)測(cè)可以給整個(gè)城市交通帶來巨大便利。交通流量的短時(shí)預(yù)測(cè)是交通控制和交通誘導(dǎo)的重要前提，也是本文研究的主要方向。交通流通常表現(xiàn)出周期性、不確定性和高度非線性等特點(diǎn)，而神經(jīng)網(wǎng)絡(luò)剛好具有良好的非線性映射能力和學(xué)習(xí)能力。因此，本文將重點(diǎn)研究基于神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)算法。在神經(jīng)網(wǎng)絡(luò)中，BP神經(jīng)網(wǎng)絡(luò)作為前饋型神經(jīng)網(wǎng)絡(luò)的核

2、心部分而得到了廣泛的應(yīng)用，但它在實(shí)際應(yīng)用中也存在容易陷入局部極小值和收斂速度慢等缺點(diǎn)。為此，本文將針對(duì)這些缺點(diǎn)對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)，并將優(yōu)化后的算法用于高速公路交通流短時(shí)預(yù)測(cè)。
　　首先，描述了交通流預(yù)測(cè)基本概念，包括交通流的三個(gè)重要參數(shù)和交通流的特性，介紹了交通流數(shù)據(jù)的采集和預(yù)處理方法，研究了多種高速公路動(dòng)態(tài)交通模型，并給出了四種交通流預(yù)測(cè)性能評(píng)價(jià)指標(biāo)。
　　然后，詳細(xì)描述了BP神經(jīng)網(wǎng)絡(luò)短時(shí)交通流預(yù)測(cè)模型的建立過程，包括

3、輸入輸出節(jié)點(diǎn)數(shù)和隱層節(jié)點(diǎn)數(shù)的確定與樣本庫(kù)的生成，用確定好的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)實(shí)際高速公路交通流數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，并對(duì)預(yù)測(cè)結(jié)果進(jìn)行分析，證實(shí)了用BP網(wǎng)絡(luò)算法來進(jìn)行高速公路交通流量短時(shí)預(yù)測(cè)是可行的，但是效果還有待提高。
　　其次，用一種以小波基函數(shù)取代BP神經(jīng)網(wǎng)絡(luò)隱含層的Sigmoid函數(shù)的小波神經(jīng)網(wǎng)絡(luò)模型繼續(xù)進(jìn)行仿真實(shí)驗(yàn)，并與BP算法進(jìn)行比較，進(jìn)一步提高了預(yù)測(cè)算法的相關(guān)性能。
　　最后，將最大最小蟻群算法與小波神經(jīng)網(wǎng)絡(luò)進(jìn)行