基于小波神經(jīng)網(wǎng)絡(luò)的高速公路交通流預測模型研究.pdf

1、隨著城市化進程的加快，人們生活水平的提高，現(xiàn)有道路的通行能力與不斷增長的交通需求之間的矛盾變得日益尖銳，從而交通擁堵問題變得日益嚴重。通過使用智能控制算法對高速公路進行科學控制以及對交通流進行合理誘導疏散，來緩解交通擁堵，提高交通通行安全和通行效率，是目前國家大力發(fā)展和應(yīng)用得重要手段。為此本文致力于研究一種智能優(yōu)化控制算法—小波神經(jīng)網(wǎng)絡(luò)算法，針對建立不同的交通預測模型，分別對小波神經(jīng)網(wǎng)絡(luò)算進行相應(yīng)策略的引進與改變，并將改進的小波神經(jīng)網(wǎng)絡(luò)

2、算法應(yīng)用于高速公路交通預測。本文所做的主要工作如下：
　　1、討論了高速公路交通流預處理的過程與方法。
　　2、提出一種新的基于基本小波神經(jīng)網(wǎng)絡(luò)的高速公路交通流預測模型。針對高速公路交通流具有強不確定性與隨機性，通過構(gòu)建新的母小波函數(shù)，提出一種新的基于基本小波神經(jīng)網(wǎng)絡(luò)的高速公路交通流預測模型。仿真分析表明，所提出的預測模型比BP神經(jīng)網(wǎng)路預測模型具有較高的訓練收斂速度、較高的預測精度。
　　3、提出了基于改進蝙蝠算法的小

3、波神經(jīng)網(wǎng)絡(luò)高速公路交通流預測。針對傳統(tǒng)的小波神經(jīng)網(wǎng)絡(luò)利用梯度下降法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)參數(shù)容易造成局部最優(yōu)的缺點，采用自適應(yīng)混沌優(yōu)化蝙蝠算法對小波神經(jīng)網(wǎng)絡(luò)參數(shù)包括連接權(quán)值及小波系數(shù)進行初始化等方法，提出了一種基于自適應(yīng)混沌優(yōu)化蝙蝠算法改進小波神經(jīng)網(wǎng)絡(luò)預測。仿真分析表明，所提出的預測模型能夠有效地提高全局尋優(yōu)能力、預測精度。
　　4、分別提出了多路口協(xié)同模型與基于多路口協(xié)同改進小波神經(jīng)網(wǎng)絡(luò)預測。針對高速公路交通流的復雜性以及影響其的諸多