基于神經(jīng)網(wǎng)絡(luò)模型的短時(shí)交通流預(yù)測及應(yīng)用研究.pdf

1、新世紀(jì)以來，我國進(jìn)入了城市化進(jìn)程的快速發(fā)展期，機(jī)動(dòng)車數(shù)量與日俱增，在給人們的生活帶來巨大便利的同時(shí)，也帶來交通擁堵、環(huán)境污染、資源浪費(fèi)等一系列問題，這對人們的日常生活造成了嚴(yán)重的影響，并吸引了許多學(xué)者的關(guān)注。智能交通系統(tǒng)是一種通過人與信息系統(tǒng)配合來緩解交通阻塞，減少資源消耗和降低環(huán)境污染的方法。車聯(lián)網(wǎng)是物聯(lián)網(wǎng)技術(shù)在智能交通領(lǐng)域的典型應(yīng)用，交通流預(yù)測是其中的關(guān)鍵技術(shù)，以道路交通信息為基礎(chǔ)進(jìn)行交通誘導(dǎo)，縮減出行時(shí)間，減少交通擁擠。
　

2、　短時(shí)交通流預(yù)測是交通流預(yù)測的重點(diǎn)研究內(nèi)容之一，及時(shí)、準(zhǔn)確的短時(shí)交通流預(yù)測信息是保障道路暢通、交通有效運(yùn)行的關(guān)鍵。短時(shí)交通流信息具有自相似性的特點(diǎn)，即不同時(shí)期同一路段的交通信息呈現(xiàn)一定的規(guī)律性和周期性，這為短時(shí)交通流預(yù)測提供了有利前提;同時(shí)，短時(shí)交通流信息也具有實(shí)時(shí)、高維、非線性、非平穩(wěn)的特征。本文針對現(xiàn)有短時(shí)交通流預(yù)測算法精度低、收斂慢、性能不穩(wěn)定等問題，對短時(shí)交通流預(yù)測問題進(jìn)行了研究，并提出了相應(yīng)的算法。本文的貢獻(xiàn)主要有以下方面:<

3、br>　　第一，本文在對研究現(xiàn)有交通流預(yù)測方法的基礎(chǔ)上，分析了車聯(lián)網(wǎng)環(huán)境下的動(dòng)態(tài)交通流誘導(dǎo)模型，通過VISSIM交通仿真軟件模擬采集交通流數(shù)據(jù)，并給出了仿真輸入和模擬采集的交通流量和平均速度參數(shù)曲線圖。
　　第二，分析了交通流基本特征參數(shù)及其特性，結(jié)合歷史趨勢法和相鄰補(bǔ)齊法，對交通流數(shù)據(jù)進(jìn)行了預(yù)處理，修復(fù)了錯(cuò)誤數(shù)據(jù)，減小了錯(cuò)誤數(shù)據(jù)對預(yù)測模型精度的影響。
　　第三，提出了新的短時(shí)交通流預(yù)測算法:GA-BBP算法。GA-BBP算