模擬退火混沌粒子群算法在短時(shí)交通流預(yù)測(cè)中的應(yīng)用.pdf

1、隨著交通流預(yù)測(cè)成為智能交通系統(tǒng)(ITS)研究中熱門的領(lǐng)域之一。我國(guó)的許多大城市開始開展相應(yīng)的智能交通系統(tǒng)的戰(zhàn)略規(guī)劃研究，由于城市路況交通流狀態(tài)具有非線性和不確定等，因此，全面、準(zhǔn)確、及時(shí)的交通流預(yù)測(cè)對(duì)城市交通系統(tǒng)控制具有重要的意義。
　　本文對(duì)從PEMS系統(tǒng)上采集到的交通流數(shù)據(jù)，進(jìn)行可預(yù)測(cè)性分析。通過計(jì)算交通流時(shí)間序列的最大李雅普諾夫（Lyapunov）指數(shù)，來進(jìn)一步分析判斷交通流的混沌特性，采用關(guān)聯(lián)積分法(C-C)計(jì)算嵌入維數(shù)和

2、延遲時(shí)間，通過對(duì)實(shí)測(cè)數(shù)據(jù)進(jìn)行仿真驗(yàn)證，進(jìn)一步說明交通流的可預(yù)測(cè)這一性能。
　　本文在對(duì)神經(jīng)網(wǎng)絡(luò)研究的基礎(chǔ)上，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型，將其應(yīng)用于短時(shí)交通流預(yù)測(cè)。仿真結(jié)果表明該算法具有易陷入局部極小值的缺點(diǎn)，為了克服BP神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)，需要將BP神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)。本文介紹了基本粒子群算法以及改進(jìn)后的一些混合方式。根據(jù)上述算法，分別構(gòu)建了用于交通流預(yù)測(cè)的PSO-BP、CPSO-BP、SAPSO-BP神經(jīng)網(wǎng)絡(luò)模型。通過構(gòu)建好的模型分別對(duì)工作

3、日、周末和節(jié)假日數(shù)據(jù)進(jìn)行預(yù)測(cè)仿真，仿真結(jié)果表明:基于智能算法優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)在收斂性和預(yù)測(cè)精度等方面得到了較大改善，從而可以更好地進(jìn)行短時(shí)交通流預(yù)測(cè)，最后，通過預(yù)測(cè)指標(biāo)對(duì)預(yù)測(cè)模型的優(yōu)劣性進(jìn)行評(píng)價(jià)。
　　為了使預(yù)測(cè)的效果更加的突出，將混沌算法的思想引入到模擬退火粒子群算法中，設(shè)計(jì)了模擬退火混沌粒子群算法(SACPSO)。該算法融合了混沌和模擬退火粒子群算法各自的優(yōu)點(diǎn)，采用單點(diǎn)單步的方式，來構(gòu)建SACPSO-BP神經(jīng)網(wǎng)絡(luò)交通流預(yù)測(cè)