模擬退火混沌粒子群算法在短時交通流預測中的應用.pdf

1、隨著交通流預測成為智能交通系統(tǒng)(ITS)研究中熱門的領域之一。我國的許多大城市開始開展相應的智能交通系統(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、準確、及時的交通流預測對城市交通系統(tǒng)控制具有重要的意義。
　　本文對從PEMS系統(tǒng)上采集到的交通流數(shù)據(jù)，進行可預測性分析。通過計算交通流時間序列的最大李雅普諾夫（Lyapunov）指數(shù)，來進一步分析判斷交通流的混沌特性，采用關聯(lián)積分法(C-C)計算嵌入維數(shù)和

2、延遲時間，通過對實測數(shù)據(jù)進行仿真驗證，進一步說明交通流的可預測這一性能。
　　本文在對神經(jīng)網(wǎng)絡研究的基礎上，構建BP神經(jīng)網(wǎng)絡模型，將其應用于短時交通流預測。仿真結果表明該算法具有易陷入局部極小值的缺點，為了克服BP神經(jīng)網(wǎng)絡的缺點，需要將BP神經(jīng)網(wǎng)絡進行改進。本文介紹了基本粒子群算法以及改進后的一些混合方式。根據(jù)上述算法，分別構建了用于交通流預測的PSO-BP、CPSO-BP、SAPSO-BP神經(jīng)網(wǎng)絡模型。通過構建好的模型分別對工作

3、日、周末和節(jié)假日數(shù)據(jù)進行預測仿真，仿真結果表明:基于智能算法優(yōu)化后的BP神經(jīng)網(wǎng)絡在收斂性和預測精度等方面得到了較大改善，從而可以更好地進行短時交通流預測，最后，通過預測指標對預測模型的優(yōu)劣性進行評價。
　　為了使預測的效果更加的突出，將混沌算法的思想引入到模擬退火粒子群算法中，設計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，采用單點單步的方式，來構建SACPSO-BP神經(jīng)網(wǎng)絡交通流預測