融合预测信息的态路径选择算法研究.pdf

中文摘要 摘要：随着城市化进程的不断加快，交通拥堵己成为限制城市发展的一大难 题，仅靠传统的治理措施难以解决目前许多城市存在的常发性拥堵问题，智能交 通系统(ITS)的兴起为解决拥堵带来了新思路。动态路径选择作为ITS的一个重要 应用，依据城市道路网中路段的拓扑关系和实时交通信息为出行者规划最优出行 策略，从而减少车辆在路网中的延误，最大限度地利用道路资源，因此对动态路 径选择问题的研究具有重要的理论意义和实际应用价值。 本文在总结交通流预测和路径选择问题的研究现状基础上，通过对现有最优 路径求解算法的比选，结合动态路径求解算法的基本特点，初选Dijks昀算法为动 态最优路径求解算法。在分析融合预测信息的动态路径选择算法效率影响因素基 础上，针对其中预测信息需要较高的精度，提出了基于改进BP神经网络的速度预 测模型，针对动态最优路径求解算法需要较高的搜索效率和占用较小的存储空间， 提出了改进Dijks衄算法。对于BP神经网络的三个缺陷：容易陷入局部最优解， 最佳学习率不易设定，不同样本无法确定最佳隐层节点个数，本文设计了动量．自 适应学习率训练算法、自适应学习率训练算法、隐层节点数可调节算法分别加以 改进，并最终得出基于改进BP神经网络的速度预测模型，利用北京市二环路上 得出