基于人工神經(jīng)網(wǎng)絡(luò)交通流量預(yù)測模型的研究.pdf

1、隨著經(jīng)濟(jì)的發(fā)展和城市規(guī)模的擴(kuò)大，城市交通擁擠問題日益突出。目前，主要通過以下兩方面的途徑緩解交通擁擠：一是增加路網(wǎng)建設(shè)的密度，這是一種最為有效的辦法。二是通過對交通流量的合理調(diào)控，優(yōu)化路網(wǎng)的利用率。這就是世界發(fā)達(dá)國家正在研究、實(shí)施的智能運(yùn)輸交通系統(tǒng)(ITS)。而準(zhǔn)確地預(yù)測交通流量是ITS的關(guān)鍵所在。 本文以單十字路口交通流量預(yù)測為例，設(shè)計(jì)了三種預(yù)測方案。于2006年8月8日、10日6時～8時40分，實(shí)測了哈爾濱市紅旗大街和先鋒路

2、交叉口各個方向的實(shí)際交通流量。并以所測得交通流量作為樣本，對本文的BP網(wǎng)絡(luò)預(yù)測模型進(jìn)行訓(xùn)練和仿真，選出較好的方案作為實(shí)際預(yù)測模型。 由于BP網(wǎng)絡(luò)收斂速度慢且易陷入局部最小點(diǎn)，為提高模型的預(yù)測性能，又提出了通過調(diào)整學(xué)習(xí)率的改進(jìn)BP算法，本算法可以根據(jù)預(yù)測精度來動態(tài)調(diào)整學(xué)習(xí)率，這是本文的一個創(chuàng)新之處。 考慮到學(xué)習(xí)率和隱含層數(shù)目對網(wǎng)絡(luò)預(yù)測精度和收斂速度有很大的影響。本文又利用遺傳算法對改進(jìn)的BP預(yù)測模型進(jìn)行尋優(yōu)，這也是本文最大