發(fā)布時(shí)間：2018-12-19 21:11

【摘要】：交通擁堵汽車流量的準(zhǔn)確預(yù)測,能夠有效改善現(xiàn)有的道路網(wǎng)絡(luò)的通行能力。對車流量的預(yù)測,需要利用模糊推理系統(tǒng)將交通流分為不同的模糊集,給出模糊隸屬度函數(shù),完成交通擁堵汽車流量的預(yù)測。傳統(tǒng)方法先選出相關(guān)性較高的道路斷面,得到路網(wǎng)空間關(guān)系歸一化約束矩陣,但忽略了給出交通隸屬度函數(shù),導(dǎo)致預(yù)測精度偏低。提出基于模糊神經(jīng)網(wǎng)絡(luò)的擁堵汽車流量預(yù)測方法。將神經(jīng)網(wǎng)絡(luò)和自適應(yīng)卡爾曼濾波模型相結(jié)合,組建擁堵汽車流量預(yù)測模型,將任意時(shí)刻的交通流預(yù)測期望值作為模型的輸入,將實(shí)際預(yù)測誤差作為模型的輸出,利用模糊推理系統(tǒng)將交通流分為不同的模糊集,給出模糊隸屬度函數(shù),將小波函數(shù)作為模糊推理系統(tǒng)的輸入,利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模糊推理,借鑒遺傳理論優(yōu)化模糊神經(jīng)網(wǎng)絡(luò),完成對擁堵汽車流量的預(yù)測。實(shí)驗(yàn)結(jié)果表明,所提方法預(yù)測精度較高,具有較高的預(yù)測準(zhǔn)確性。
[Abstract]:Accurate prediction of traffic congestion can effectively improve the capacity of the existing road network. To predict the traffic flow, the traffic flow should be divided into different fuzzy sets by fuzzy inference system, and the fuzzy membership function should be given to forecast the traffic congestion. The traditional method firstly selects the road section with high correlation, and obtains the normalized constraint matrix of the road network spatial relationship, but neglects to give the traffic membership function, which leads to the low prediction accuracy. A fuzzy neural network based traffic prediction method for congested vehicles is proposed. Combining the neural network with the adaptive Kalman filter model, the traffic flow prediction model of congested vehicle is constructed. The expected value of traffic flow prediction at any time is taken as the input of the model, and the actual prediction error is taken as the output of the model. Traffic flow is divided into different fuzzy sets by fuzzy inference system, fuzzy membership function is given, wavelet function is used as input of fuzzy inference system, fuzzy inference is realized by neural network, and fuzzy neural network is optimized by using genetic theory. Complete the forecast of congested car flow. The experimental results show that the proposed method is accurate and accurate.
【作者單位】： 江西科技師范大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院;
【基金】：江西省科技計(jì)劃指導(dǎo)性項(xiàng)目(2015ZBAB201007) 江西科技師范大學(xué)校級科研重點(diǎn)項(xiàng)目(2016XJZD006) 江西省高校人文社會科學(xué)研究項(xiàng)目(TQ1505)
【分類號】：U491.14

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 夏冰,董菁,張佐;周相似特性下的交通流預(yù)測模型研究[J];公路交通科技;2003年02期

2 易濤,熊堅(jiān),萬華森;高速公路基本路段交通流微觀仿真建模與實(shí)現(xiàn)[J];昆明理工大學(xué)學(xué)報(bào)(理工版);2004年03期

3 庹滿先;彭光含;;考慮相對流量影響的交通流合作駕駛格子模型[J];四川大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年04期

4 洪濤;;從“交通流”的調(diào)查談公路建設(shè)[J];公路;1989年03期

5 尹宏賓,徐建閩,黃仕進(jìn);基于模糊神經(jīng)網(wǎng)絡(luò)的信號交叉口交通量預(yù)測方法研究[J];中國公路學(xué)報(bào);2000年03期

6 袁秀湘;人工智能在交通流管理中的應(yīng)用[J];中南公路工程;2001年02期

7 熊烈強(qiáng),陳明昭,嚴(yán)新平;實(shí)際交通流的運(yùn)動微分方程[J];交通運(yùn)輸工程學(xué)報(bào);2001年03期

8 俞禮軍,嚴(yán)海,嚴(yán)寶杰;最大熵原理在交通流統(tǒng)計(jì)分布模型中的應(yīng)用[J];交通運(yùn)輸工程學(xué)報(bào);2001年03期

9 廣曉平,錢勇生,趙鵬;交通流中的回波及其傳播特征(英文)[J];蘭州鐵道學(xué)院學(xué)報(bào);2001年01期

10 賀國光,馬壽峰,馮蔚東;對交通流分形問題的初步研究[J];中國公路學(xué)報(bào);2002年04期

相關(guān)會議論文 前10條

1 董壘;鄭小平;;交通流中的力學(xué)模型模擬與仿真[A];北京力學(xué)會第15屆學(xué)術(shù)年會論文摘要集[C];2009年

2 王進(jìn);史其信;陸化普;;交通流可預(yù)測性分析[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（上冊）[C];2005年

3 王正;;擁擠交通流非線性模型及仿真[A];2009年中國智能自動化會議論文集（第五分冊）[東南大學(xué)學(xué)報(bào)（增刊）][C];2009年

4 溫偉剛;蔣海峰;魏學(xué)業(yè);;短期交通流的局部分形研究[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊）[C];2005年

5 余正;劉錦松;張志勇;;交通流問題數(shù)學(xué)模型的初級討論[A];魯冀晉瓊粵川六省金屬學(xué)會第十四屆礦山學(xué)術(shù)交流會論文集[C];2007年

6 鄭俊耀;余春艷;;數(shù)字荷爾蒙模型下的交通流誘導(dǎo)優(yōu)化算法[A];中國儀器儀表學(xué)會第九屆青年學(xué)術(shù)會議論文集[C];2007年

7 崔洪軍;陸建;;大型活動交通流時(shí)空消散模型研究[A];第一屆中國智能交通年會論文集[C];2005年

8 廖大彬;馬萬經(jīng);;網(wǎng)絡(luò)交通流宏觀基本圖研究綜述[A];第七屆中國智能交通年會優(yōu)秀論文集——智能交通技術(shù)[C];2012年

9 許巖巖;翟希;孔慶杰;劉允才;;基于分類回歸樹的交通流短時(shí)預(yù)測[A];第七屆中國智能交通年會優(yōu)秀論文集——智能交通技術(shù)[C];2012年

10 魏超;陸Ym蕾;劉允才;;基于神經(jīng)網(wǎng)絡(luò)的交通流速度估計(jì)[A];第七屆中國智能交通年會優(yōu)秀論文集——智能交通技術(shù)[C];2012年

相關(guān)博士學(xué)位論文 前7條

1 陳昕;基于協(xié)同學(xué)的城市交通控制與誘導(dǎo)系統(tǒng)協(xié)同的理論與方法研究[D];吉林大學(xué);2006年

2 宋學(xué)文;高速公路擴(kuò)建期交通流組織優(yōu)化研究[D];武漢理工大學(xué);2008年

3 孟夢;組合出行模式下城市交通流分配模型與算法[D];北京交通大學(xué);2013年

4 彭博;大范圍交通控制與交通流誘導(dǎo)協(xié)同關(guān)鍵技術(shù)研究[D];吉林大學(xué);2011年

5 孔祥杰;城市路網(wǎng)交通流協(xié)調(diào)控制技術(shù)研究[D];浙江大學(xué);2009年

6 魏芳芳;基于出行者學(xué)習(xí)行為的網(wǎng)絡(luò)交通流演化研究[D];天津大學(xué);2016年

7 劉玉印;出行者有限理性條件下的網(wǎng)絡(luò)均衡分析及其應(yīng)用研究[D];華南理工大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 曹甄;基于模糊神經(jīng)網(wǎng)絡(luò)的橋梁狀態(tài)評價(jià)[D];天津大學(xué);2009年

2 崔皓瑩;基于多品種流方法的城市擁堵路段分流研究[D];西南交通大學(xué);2015年

3 劉夢露;基于實(shí)時(shí)交通流的大窯灣港區(qū)干線協(xié)調(diào)控制研究[D];大連海事大學(xué);2015年

4 于新蓮;考慮有限理性的交通流Day-to-day動態(tài)演化研究[D];南京大學(xué);2014年

5 占怡瑩;基于綠波原理的路網(wǎng)協(xié)調(diào)控制技術(shù)[D];浙江工業(yè)大學(xué);2015年

6 孫莉;城市區(qū)域交通信號協(xié)同控制模型及方法[D];安徽師范大學(xué);2015年

7 張百合;基于擁堵轉(zhuǎn)移矩陣的城市擁堵路段預(yù)測方法研究[D];東北大學(xué);2014年

8 劉昭;車載自組網(wǎng)中交通流擁塞建模理論與技術(shù)研究[D];吉林大學(xué);2016年

9 徐旺興;城市環(huán)路鄰近路口對環(huán)路入口交通流影響研究[D];福州大學(xué);2013年

10 趙彪;面向全路網(wǎng)交通流優(yōu)化的交通燈調(diào)度方法研究[D];華東師范大學(xué);2016年

，

本文編號：2387465