

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、近些年來,隨著智能交通系統(tǒng)(ITS)的蓬勃發(fā)展,智能交通控制與誘導系統(tǒng)已經成為ITS研究的熱門核心課題。而實現交通流誘導系統(tǒng)的關鍵問題是實時準確的交通流量預測,即如何有效地利用實時交通數據信息去滾動預測未來幾分鐘內的交通狀況。隨著時間跨度的縮短,交通流顯示出來的非線性、時變性、不確定性越來越強,歷史平均模型、時間序列模型、卡爾曼濾波模型、非參數回歸模型、神經網絡模型、組合預測模型等這些傳統(tǒng)預測模型的預測效果和預測精度不甚理想,需要提出新
2、的模型。 課題以城市道路網絡中典型的干線多路口路段為研究對象,深入研究了城市短時交通流的特點,將智能計算領域中的兩種基本方法:人工神經網絡和全局優(yōu)化算法相結合,建立混合智能計算的城市交通流預測模型。在深入研究神經網絡的基礎之上,建立神經網絡結構模型,針對其結構特點,應用優(yōu)化算法對其進行優(yōu)化,完成了基于混合智能計算的交通流預測。其中基于變異粒子群優(yōu)化的Elman神經網絡模型的仿真效果最好,該模型在分析常規(guī)粒子群優(yōu)化算法的基礎上,針
3、對典型干線多路口交通流量特性,采用動態(tài)回歸神經網絡,建立了交通流預測模型。該模型的自聯(lián)結構使其對歷史狀態(tài)的數據具有敏感性,內部反饋網絡的加入增加了網絡本身處理動態(tài)信息的能力,從而達到了動態(tài)建模的目的,能夠更生動、更直接地反映系統(tǒng)的動態(tài)特性。同時引進一種帶變異因子的改進的粒子群優(yōu)化算法,對該模型的權值和承接層的初始值進行優(yōu)化,使網絡結構達到最優(yōu),該算法采用判斷最優(yōu)值為局部最優(yōu)值或全局最優(yōu)值,對局部最優(yōu)值進行變異,使其跳出局部收斂范圍,從而
4、解決了常規(guī)粒子群算法易陷入局部極小值,產生“早熟”的缺陷問題。 利用濟南東西方向主干道-經十路的實測數據,進行間隔為5min的短時交通流量預測。其中,取一多路口路段為研究對象,建立了該路段某時間段內的流量、速度、占有率數據庫。通過Matlab軟件編程對建立的模型進行仿真,并與多種前向型神經網絡模型、反饋型神經網絡模型、基于遺傳算法的混合神經網絡模型以及基于傳統(tǒng)粒子群優(yōu)化的混合神經網絡模型的預測效果進行了對比,結果表明,基于變異粒
5、子群優(yōu)化的Elman神經網絡預測模型,根據歷史數據進行學習的速度與精度高,算法簡潔、收斂速度快,可作為實用的短時城市道路預測模型應用于工程實踐。 課題的創(chuàng)新之處在于將反饋型神經網絡與變異粒子群優(yōu)化算法相結合,建立混合智能計算的預測模型,該模型網絡結構簡單,容易實現,特別適合于城市短時交通流的預測;較前饋神經網絡具有更優(yōu)越的動態(tài)特性,達到了動態(tài)建模的目的;同時采用變異粒子群算法對網絡結構進行優(yōu)化,訓練簡潔,學習收斂速度快,較遺傳算
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 城市交通流混合預測方法的研究.pdf
- 基于數據挖掘的城市交通流預測研究.pdf
- 城市交通流短時預測模型研究.pdf
- 基于LS-WSVM的城市交通流預測方法研究.pdf
- 城市交通流智能控制及仿真研究.pdf
- 面向城市交通控制的短時交通流預測方法研究.pdf
- 基于短時交通流預測的城市交通網絡信號控制研究.pdf
- 混合交通流下的城市交通擁擠改善對策研究.pdf
- 基于神經網絡的城市交通流量預測模型研究.pdf
- 城市交通流預測關鍵技術研究.pdf
- 城市交通流短時預測方法研究及實現.pdf
- 智能計算方法在城市交通中的應用與交通流建模研究.pdf
- 基于灰色神經網絡的城市交通流量預測方法研究.pdf
- 基于AIMSUN的城市交通流的仿真研究.pdf
- 城市交通流合理誘導研究.pdf
- 基于復雜網絡的城市交通流仿真.pdf
- 神經網絡在城市交通流預測模型中應用的研究.pdf
- 基于城市交通流量組合預測模型的模糊控制系統(tǒng)研究.pdf
- 城市交通流混沌建模方法研究.pdf
- 城市交通網絡動態(tài)交通流模型和交通信號智能控制研究.pdf
評論
0/150
提交評論