基于BP人工神經(jīng)網(wǎng)絡(luò)的短期交通預(yù)測(cè)研究.pdf

1、短期交通預(yù)測(cè)是交通控制、車(chē)輛導(dǎo)航等領(lǐng)域需要解決的重要問(wèn)題之一。研究交通預(yù)測(cè)的理論和方法，從而實(shí)現(xiàn)比較準(zhǔn)確地預(yù)測(cè)未來(lái)15分鐘或更長(zhǎng)一段時(shí)間內(nèi)道路上的交通狀況，對(duì)于緩解城市交通堵塞、避免社會(huì)資源的浪費(fèi)有著重要的意義和應(yīng)用價(jià)值。 城市快速路作為城市路網(wǎng)中的主要經(jīng)脈，承擔(dān)了城市中大部分的長(zhǎng)距離交通，快速路的交通狀況在相當(dāng)程度上影響著城市的出行質(zhì)量。在智能交通系統(tǒng)的大背景下，如何利用豐富的交通檢測(cè)數(shù)據(jù)，對(duì)未來(lái)的交通流狀態(tài)，特別是在城市中處

2、于重要地位的快速路的交通狀態(tài)進(jìn)行預(yù)測(cè)，對(duì)于提高交通運(yùn)輸效率，特別是物流配送企業(yè)的效率具有重要的理論意義和實(shí)用價(jià)值。 起源于上世紀(jì)四十年代的人工神經(jīng)網(wǎng)絡(luò)(ANN)是人工智能的一個(gè)分支，它在很多領(lǐng)域得到了廣泛的應(yīng)用。神經(jīng)網(wǎng)絡(luò)能學(xué)習(xí)貯存以往的歷史經(jīng)驗(yàn)知識(shí)，并能外推到未來(lái)，這是神經(jīng)網(wǎng)絡(luò)用于預(yù)測(cè)領(lǐng)域的理論依據(jù)。對(duì)于非線性的時(shí)間序列預(yù)測(cè)，神經(jīng)網(wǎng)絡(luò)比其他數(shù)學(xué)模型更有效和精確度更高。本文基于路段上的實(shí)時(shí)的觀測(cè)交通流數(shù)據(jù)，利用BP人工神經(jīng)網(wǎng)絡(luò)方法

3、，結(jié)合信號(hào)處理技術(shù)，對(duì)城市快速路段上未來(lái)24小時(shí)單點(diǎn)的交通流速度預(yù)測(cè)算法進(jìn)行了研究。具體包括以下工作：對(duì)快速路段上的交通數(shù)據(jù)進(jìn)行了預(yù)處理。包括應(yīng)用交通流閾值法、交通流機(jī)理法對(duì)交通數(shù)據(jù)進(jìn)行了奇異點(diǎn)的剔除，應(yīng)用數(shù)值差分法對(duì)丟失數(shù)據(jù)進(jìn)行了估計(jì)；應(yīng)用了小波分析理論對(duì)數(shù)據(jù)序列進(jìn)行了濾噪處理，在盡可能保證原始數(shù)據(jù)的特征的情況下，有效地過(guò)濾掉噪聲數(shù)據(jù)的干擾。 利用BP人工神經(jīng)網(wǎng)絡(luò)的相關(guān)理論和方法對(duì)交通速度數(shù)據(jù)進(jìn)行了訓(xùn)練和預(yù)測(cè)，在輸入變量中考慮