道路交通流量数据处理与预测模型研究-仪器科学与技术专业论文.docxVIP

重庆大学硕士学位论文中文摘要 重庆大学硕士学位论文 中文摘要 I I 摘 要 本文以重庆市的道路交叉路口流量预测为研究对象，提出了将小波分析与最 小二乘法相结合的方法对交通流量数据中的异常值进行查找并加以修复；然后采 用改进的 BP 神经网络算法来建立流量预测模型。 本文完成的主要研究工作： ①将采集到的交通流量数据作为时间序列进行二层小波分解，以分解得到的 低频分量的重构序列作为原始流量序列的参考序列；然后采用最小二乘法寻找出 交通流量数据中的异常值并加以修复。 ②在流量预测模型研究中，采用改进的 BP 神经网络算法，以变步长算法弥补 传统 BP 神经网络算法易陷入局部最优，以及随着训练次数增加网络收敛速度变慢 等缺陷。 ③以实际的交叉路口为例，设计了两种流量预测模型，一种是以预测断面自 身的历史流量数据为样本对 BP 神经网络进行训练；另一种是结合了相邻交通流的 历史流量数据作为样本对 BP 神经网络进行训练。 通过对重庆市多个道路交叉路口的大量实验，其结果表明：采用小波分析与 最小二乘法相结合的方法来检测流量数据中的异常值具有较高的准确度；在流量 预测时，以预测断面自身的历史流量数据为样本训练得到的网络预测性能要比结 合了相邻交通流的历史流量数据为样本训练得到的网络预测性能好。 关键词：智能交通系统，交通流量预测，小波分析，最小二乘法，BP 神经网络 重庆大学硕士学位论文英文摘要 重庆大学硕士学位论文 英文摘要 II II ABSTRACT This paper takes traffic flow prediction of crossroad as research subject, presents a method that combine wavelet analyze with least square method to find out the abnormal data and repair it; then using an improvement BP algorithm to build the model of traffic flow prediction. The main study work of this paper as follows: ①Collecting traffic flow data to be as time series and decomposing it with two layer wavelet analyze, take the reconstruction series of low component which decomposed as the original traffic flow series reference series; then using least square method to find out the abnormal data and repair it. ②In research of traffic flow predict model, using improvement BP algorithm which take change step method to offset the defects of traditional BP algorithm which is easy to trap in local minimal solution and have slow convergence when the times of training increase. ③Taking a practical crossroad for example, this paper designs two models of traffic flow prediction, one uses historical traffic flow data itself of predicted section as samples of training, the other combines the historical traffic flow data itself with others traffic stream’s as samples to training the net. A great deal of experiments on the crossroad of Chongqing have be done, the results show that using the method of combining wavelet analyze with least square metho