基于神经网络的城市道路交通量短时预测研究-交通运输规划与管理专业论文.docxVIP

万方数据 万方数据 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成 果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研 究成果，也不包含获得 兰州交通大学 或其他教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了 谢意。 学位论文作者签名： 签字日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解 兰州交通大学 有关保留、使用学位论文的规定。特授权 兰州交通大学 可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影 印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机 构送交论文的复印件和磁盘。 （保密的学位论文在解密后适用本授权说明） 学位论文作者签名： 导师签名： 签字日期： 年 月 日 签字日期： 年 月 日 兰州交通 兰州交通大学硕士学位论文 摘 要 智能交通系统(ITS)能成功应用于城市道路网的关键技术之一，是城市道路交通量短 时预测。满足系统精度要求的城市道路短时交通量，是支撑交通管理系统、出行者信息 系统等智能交通系统各子系统的基础。准确的交通量短时预测数据，可应用于道路交叉 口信号灯实时配时，减少红灯延误并增强交叉口通行能力；可增强交通流可视化应用的 时效性，改善城市车辆在路网运行的安全状况。城市道路交通量短时预测有着十分广阔 的应用前景，但交通量短时预测具有随机性与非线性等特征，使其建立数学模型较为困 难。在认真研究了交通量短时预测的各项特征之后，本文认为人工神经网络的诸多优点 均可与其随机性、非线性等特征相契合。将预测模型与神经网络二者理论综合考量与融 合后，建立以人工神经网络预测模型为基础的针对城市道路交通量的短时预测模型。利 用 MATLAB 软件实现预测模型之后，选取实例验证其准确性，具体研究内容如下： 首先，对交通量短时预测理论进行研究，并利用短时交通量的时空特征对短时预测 模型进行分类，在此基础之上探究模型建立的原则与制定相应的模型评价指标。 其次，在对人工神经网络的相关理论进行研究后，提出将 BP 神经网络与交通量短 时预测相结合的预测方案，建立基于 BP 神经网络的交通量短时预测模型。建立这种短 时预测模型的关键在于 BP 神经网络模型拓扑结构的建立与相关参数的确立，在讨论模 型网络层数选取，神经元数目确定，预测数据处理等模型建立关键步骤的同时，也对 BP 神经网络的局限性进行分析讨论，针对其局限性提出优化改进的措施。 再次，针对前文提出的优化 BP 神经网络权值与阈值来避免网络模型陷入局部最小 值这一思路，选用具有自适应全局优化搜索算法的遗传算法建立遗传-BP 神经网络交通 量短时预测模型。利用遗传算法优化网络模型的权值与阈值之后，再进行网络模型的训 练及仿真预测，以提高模型的预测准确性。 最后，以银川市市区交叉口实测的短期交通量数据为样本，根据短时预测模型的分 类确立两种不同的输入方案；根据前文对 BP 神经网络以及利用遗传算法对网络的优化 分析，运用 MATLAB2009a 神经网络工具箱建立基于传统 BP 神经网络模型与基于遗传 算法优化传统 BP 神经网络模型权值与阈值的两类交通量短时预测模型。利用两种方案 与不同模型相结合对研究交叉口进口道交通量进行预测，并对预测结果进行分析与对 比。结果表明，BP 神经网络模型预测结果基本满足应用要求；优化后的遗传-BP 神经网 络模型避免了 BP 神经网络的缺陷，提高了预测精度，更具利用价值。 关键词：短时交通量预测；BP 神经网络；遗传算法 论文类型：应用研究 I - 基于神经 基于神经网络的城市道路交通量短时预测研究 Abstract Intelligent Transportation Systems (ITS) can be used in urban road network technology is one of the key short-term forecasting of urban road traffic. Real-time and accurate short-term forecasting of urban road traffic is the foundation core of urban road traffic control, vehicle induced travel and other aspects of intelligent transportation. Accurate short-term traffic forecast data, can also be applied to real-time road I