基于卡爾曼濾波和小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)研究.pdf

1、隨著城市化進(jìn)程的加快,人們的生活水平逐步提高,機(jī)動(dòng)車的數(shù)量也與日俱增,給城市交通帶來(lái)巨大的挑戰(zhàn)。在現(xiàn)有路況條件下,提高對(duì)交通的控制管理水平,合理使用現(xiàn)有交通設(shè)施,充分發(fā)揮其潛力,是解決交通擁堵問題行之有效的方法之一。能否準(zhǔn)確地對(duì)城市道路交通流進(jìn)行預(yù)測(cè),便成為智能交通系統(tǒng)(Intelligent Transportation System,ITS)關(guān)鍵解決的問題之一。因此研究短時(shí)道路交通流預(yù)測(cè)理論具有重要的現(xiàn)實(shí)意義。
　　 道路短

2、時(shí)交通流預(yù)測(cè)理論是在現(xiàn)有條件下解決道路擁擠突出矛盾,有效管控交通的重要理論方法。傳統(tǒng)的預(yù)測(cè)方法有求和自回歸移動(dòng)平均模型,非參數(shù)回歸模型等?，F(xiàn)在比較新的預(yù)測(cè)研究方法主要有支持向量機(jī)模型,混沌預(yù)測(cè)模型,人工神經(jīng)網(wǎng)絡(luò)模型以及基于多種模型特點(diǎn)集成的組合預(yù)測(cè)等。但各種理論模型多具有自身的特點(diǎn)與缺陷。如:非參數(shù)回歸方法雖然結(jié)構(gòu)較簡(jiǎn)單,但該方法是基于尋找近鄰的復(fù)雜性,在出現(xiàn)大數(shù)據(jù)量的情況下實(shí)際應(yīng)用受到限制。傳統(tǒng)神經(jīng)網(wǎng)絡(luò)存在訓(xùn)練速度慢,且有時(shí)出現(xiàn)不收斂

3、的狀況。
　　 將卡爾曼濾波理論和小波神經(jīng)網(wǎng)絡(luò)理論應(yīng)用于短時(shí)交通流的預(yù)測(cè),是通過卡爾曼濾波對(duì)數(shù)據(jù)流的濾波作用,去除數(shù)據(jù)信息中存在的白噪音,通過小波神經(jīng)網(wǎng)絡(luò)結(jié)合的小波變換良好的時(shí)頻局域化性質(zhì)以及神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)的功能,完成對(duì)相關(guān)樣本的訓(xùn)練和預(yù)測(cè)。因此,本論文將卡爾曼濾波理論和小波神經(jīng)網(wǎng)絡(luò)理論引入道路短時(shí)交通流預(yù)測(cè)中。
　　 本文主要工作如下:
　　 首先,用卡爾曼濾波理論對(duì)道路短時(shí)交通流進(jìn)行濾波處理,形成良好的訓(xùn)練樣

4、本。
　　 其次,詳細(xì)研究了小波神經(jīng)網(wǎng)絡(luò)交通流預(yù)測(cè)模型的中小波基函數(shù)選擇,參數(shù)設(shè)定、模型建立,算法設(shè)計(jì)等。同時(shí)針對(duì)以往小波神經(jīng)網(wǎng)絡(luò)模型易出現(xiàn)陷入局部極小或不收斂等問題進(jìn)行了算法的改進(jìn)和優(yōu)化,提高了模型預(yù)測(cè)的性能,通過訓(xùn)練仿真驗(yàn)證了其預(yù)測(cè)的效果。
　　 最后,通過對(duì)城市道路交叉口在高峰時(shí)段的車流狀況進(jìn)行實(shí)測(cè),結(jié)合卡爾曼濾波和小波神經(jīng)網(wǎng)絡(luò)模型對(duì)交通流數(shù)據(jù)樣本進(jìn)行訓(xùn)練和仿真,根據(jù)仿真分析與比較,將基于卡爾曼濾波和小波神經(jīng)網(wǎng)絡(luò)模