近幾年來,隨著人們生活水平的不斷提高,購買汽車的人數(shù)日益增加,這使得道路交通變得越來越不堪重負,由此引發(fā)了一系列的問題,比如:道路變得擁塞時常會堵車且易發(fā)生交通事故。為了緩解這類問題,人們開發(fā)了智能交通管理系統(tǒng)（ITS）,它是目前進行交通控制及交通誘導的一種主要手段,一個好的智能交通管理系統(tǒng)能夠密切關注道路上的交通情況,讓交通運輸效率盡可能最大化,以此緩解交通阻塞,提高道路車輛的通過能力,減少交通事故的產生,降低能源消耗以及減輕車輛增加所帶來的環(huán)境污染。其中,短時交通流量預測的準確性決定了智能交通系統(tǒng)中交通控制及交通誘導功能的性能好壞,因此研究短時交通流量預測方法是非常有意義的。由于短時交通流量數(shù)據具有時變性、非線性等特點,一般的預測方法很難對其進行準確的預測,因此本文根據短時交通流量本身的性質并結合神經網絡具有較好的自適應性及強大的學習能力的特點,采用改進后的小波神經網絡來對短時交通流量進行預測。傳統(tǒng)的小波神經網絡（WNN）采用梯度下降法來對網絡進行訓練,而梯度下降法對于網絡參數(shù)初始值比較敏感,容易陷入局部最優(yōu),從而影響WNN網絡的預測效果,因此本文提出了一種改進人工魚群算法及粒子群... 

【文章來源】：上海師范大學上海市

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

函數(shù)H1平均值進化曲線

函數(shù)H2平均進化曲線

函數(shù)H3平均進化曲線

【參考文獻】：
期刊論文
[1]中國大城市交通問題的空間解讀與對策[J]. 孔令斌.  城市交通. 2017(04)
[2]城市道路微觀交通仿真分析[J]. 劉杰,聶明旺.  市政技術. 2017(03)
[3]基于神經網絡的小時間粒度交通流預測模型[J]. 姚志洪,蔣陽升,韓鵬,羅孝羚,徐韜.  交通運輸系統(tǒng)工程與信息. 2017(01)
[4]城市智能交通系統(tǒng)的發(fā)展現(xiàn)狀與趨勢[J]. 馮凱.  環(huán)球市場信息導報. 2017(01)
[5]中國城市交通問題、對策與理論需求[J]. 汪光燾.  城市交通. 2016(06)
[6]基于交通事故數(shù)據的汽車安全技術發(fā)展趨勢分析[J]. 李一兵,孫岳霆,徐成亮.  汽車安全與節(jié)能學報. 2016(03)
[7]中小城市交通問題現(xiàn)狀及治理對策[J]. 周曉宇.  黑龍江科技信息. 2016(01)
[8]月降水量預測的粒子群-小波神經網絡模型[J]. 龍云,賀新光,章新平.  計算機科學. 2015(S1)
[9]A Wavelet Neural Network Based Non-linear Model Predictive Controller for a Multi-variable Coupled Tank System[J]. Kayode Owa,Sanjay Sharma,Robert Sutton.  International Journal of Automation and Computing. 2015(02)
[10]改進時間序列模型在高速公路短時交通流量預測中的應用[J]. 唐毅,劉衛(wèi)寧,孫棣華,魏方強,余楚中.  計算機應用研究. 2015(01)

碩士論文
[1]城市道路動態(tài)交通流仿真的研究與實踐[D]. 王劍.廈門大學 2014
[2]太原市交通相關PM2.5的化學組成、來源及對人群心肺功能的健康影響[D]. 徐建軍.山西醫(yī)科大學 2013
[3]基于卡爾曼濾波的短時交通流預測方法研究[D]. 石曼曼.西南交通大學 2012
[4]人工魚群算法的改進及應用[D]. 鄭曉鳴.上海海事大學 2006
[5]短時交通流量預測研究[D]. 蘭云.西北工業(yè)大學 2002



本文編號：3422393