神经网络在交通流量预测中应用和的研究.pptVIP

神经网络在交通流量预测中的应用与研究 四、课题拟研究内容 五、技术路线 目 录 六、可行性分析 七、进度安排及参考文献 二、国内外研究现状 一、研究背景及意义 三、目前存在的问题 研究背景及意义 交通预测是智能交通系统(ITS)研究的核心内容之一，交通流量则是判别道路交通状态的一个关键因素。 交通预测的目的是依据主要道路交叉路口和断面的交通流量信息，利用适当的方法进行实时动态预测，为给出行者提供最佳行驶路线、均衡交通流、优化交通管理方案、改进交通控制。 研究背景及意义 模型 优点 缺点 历史平均法 算法简单，参数可用最小二乘法在先估计，速度快。 不能处理突发事件 时间序列法 建模简单，数据充足的情况下预测精度较高 只考虑了历史数据，模型参数固定，不能移植；数据缺失时模型精度较低 卡曼滤波法 预测因子选择灵活，精度较高，适用于平稳及非平稳数据的处理，可实现在线预测 属于线性模型，在线预测性、不确定性的交通流时变性差；每次计算都要调整权值，预算量大 非参数回归法 无需先验知识，只需足够的历史塑胶，可移植，误差小 回归形式一旦固定，就比较呆板，往往拟合效果较差 传统交通流预测方法简单比较 研究背景及意义 智能算法的深入研究与广泛应用 传统的方法已经不能满足要求 运输网络亟需提高运输能力 智能交通系统(ITS)的发展 交通流量随社会经济