【摘要】：隨著高速公路通車?yán)锍痰牟粩嘣鲩L,高速公路交通管理問題的日趨嚴(yán)峻,高速公路交通流量分析與預(yù)測已成為近年來研究的熱點課題。高速公路交通流量通常表現(xiàn)出周期性、不確定性、時間相關(guān)性、非平穩(wěn)和高度非線性等特點。影響高速公路交通流量的主要因素有道路施工、交通事故、天氣情況、重大節(jié)假日等,由于缺乏道路施工和交通事故具體詳實的數(shù)據(jù),本課題只針對天氣情況對高速公路交通流量的影響這一因素進行非節(jié)假日高速公路交通流量預(yù)測研究。本文對高速公路交通流量分析預(yù)測系統(tǒng)進行了設(shè)計,實現(xiàn)了交通流量信息管理、天氣氣象信息管理和交通流量預(yù)測功能。高速公路交通流量信息是通過Java Socket UDP技術(shù)從高速公路交通流量采集系統(tǒng)中獲取。天氣氣象信息是通過http標(biāo)準(zhǔn)API接口從K780數(shù)據(jù)網(wǎng)中獲取。通過Echarts技術(shù)實現(xiàn)交通流量信息和天氣氣象信息的統(tǒng)計和分析功能。根據(jù)高速公路交通流量特點和天氣氣象信息對高速公路交通流量的影響程度,分析得到時間、天氣情況路面影響等級和空氣能見度影響等級是主要影響因素,并較詳細(xì)地說明了交通流量和天氣氣象信息的預(yù)處理過程。本文提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的高速公路交通流量預(yù)測模型,并以G2高速公路青縣主線站為例進行了交通流量預(yù)測實驗,較詳細(xì)地敘述了實驗?zāi)Ｐ陀?xùn)練過程和預(yù)測過程并進行了結(jié)果分析。實驗證明,該預(yù)測模型具有較高的預(yù)測準(zhǔn)確度。本課題成果可方便交通管理部門掌握交通流量情況,為實時交通流誘導(dǎo)、分流和信息發(fā)布提供依據(jù),它能極大的減少交通擁堵,保證道路的暢通。本課題成果也可為國家高速公路規(guī)劃和建設(shè)提供決策依據(jù)。
【圖文】：

阻礙正常行車，積雪對陽光的強烈反射，容易產(chǎn)生雪盲現(xiàn)象(眩目)，傷害駕睛，同時造成視力疲勞，對安全行車極為不利。本課題只針對非重大節(jié)假日高速公路交通流量進行預(yù)測，由于缺乏道路施事故具體詳實的數(shù)據(jù)，本課題只針對非重大節(jié)假日天氣情況對高速公路交影響這一因素進行交通流量預(yù)測研究。Socket UDP網(wǎng)絡(luò)上的兩個程序通過一個雙向的通信連接實現(xiàn)數(shù)據(jù)的交換，這個連接的一個 Socket。Socket 通常也稱作“套接字”，，用于描述 IP 地址和端口，是一個句柄，可以用來實現(xiàn)不同虛擬機或不同計算機之間的通信。Socket 網(wǎng)絡(luò)通式 Socket 和數(shù)據(jù)報式 Socket 兩種，其中流式 Socket 采用 TCP 協(xié)議進行網(wǎng)數(shù)據(jù)報式 Socket 采用 UDP 協(xié)議進行網(wǎng)絡(luò)通信。流式 Socket 具有面向連接無差錯、無重復(fù)、可靠性高和可移植性好等特點。數(shù)據(jù)報式 Socket 具有面、快捷、占用系統(tǒng)資源少等優(yōu)點[14-15]。采用 UDP 協(xié)議進行通信的數(shù)據(jù)報式 Socket 結(jié)構(gòu)圖如圖 2-1 所示。

圖 2-2 BP 神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)結(jié)構(gòu)圖BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程包括信號正向傳播和誤差反向傳播兩個部分。即計算誤差輸出時按從輸入到輸出的方向進行，而調(diào)整權(quán)值和閾值則從輸出到輸入的方向進行。當(dāng)進行信號正向傳播時，輸入數(shù)據(jù)從輸入層經(jīng)隱單元層逐層處理，并轉(zhuǎn)向輸出層，每一層神經(jīng)元的狀態(tài)不影響本層或上層神經(jīng)元只影響下一層神經(jīng)元的狀態(tài)。如果在輸出層不能得到期望的輸出，則進行誤差反向傳播，將誤差信號沿網(wǎng)絡(luò)相反的方向傳播，通過修改各神經(jīng)元的權(quán)值，使得誤差信號最小。當(dāng)網(wǎng)絡(luò)的輸出誤差符合預(yù)設(shè)的精度時，當(dāng)時狀態(tài)下的神經(jīng)元權(quán)值便是 BP 網(wǎng)絡(luò)合適的權(quán)值[18-19]。2.3.3 BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程BP 神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)訓(xùn)練過程如圖 2-3 所示，其主要訓(xùn)練步驟如下：1) 初始化網(wǎng)絡(luò)。首先設(shè)置輸入層神經(jīng)元個數(shù)、隱藏層神經(jīng)元個數(shù)、輸出層神經(jīng)元個數(shù)、輸入層到隱藏層傳遞函數(shù)、隱藏層到輸出層傳遞函數(shù)和網(wǎng)絡(luò)訓(xùn)練函數(shù)。接著設(shè)置訓(xùn)練參數(shù)，其包括迭代次數(shù)( net.trainparam.epochs)、要達(dá)到的誤差值(net.trainparam.goal)和訓(xùn)練速度（net.trainParam.lr）等；
【學(xué)位授予單位】：河北科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U491.112;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 紀(jì)志強;魏明;吳啟蒙;于毅成;;基于遞歸神經(jīng)網(wǎng)絡(luò)的TVS電磁脈沖響應(yīng)建模[J];河北科技大學(xué)學(xué)報;2015年02期

2 盧建中;程浩;;改進GA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2015年01期

3 詹璇;呂曉軍;程清波;劉小燕;李明;;基于Socket網(wǎng)絡(luò)編程的服務(wù)器遠(yuǎn)程監(jiān)控系統(tǒng)的實現(xiàn)[J];鐵路計算機應(yīng)用;2015年01期

4 唐毅;劉衛(wèi)寧;孫棣華;魏方強;余楚中;;改進時間序列模型在高速公路短時交通流量預(yù)測中的應(yīng)用[J];計算機應(yīng)用研究;2015年01期

5 王成寶;任傳祥;尹唱唱;陳夢;;基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)短時交通流預(yù)測[J];山東交通科技;2012年05期

6 樊娜;趙祥模;戴明;安毅生;;短時交通流預(yù)測模型[J];交通運輸工程學(xué)報;2012年04期

7 沈國江;王嘯虎;孔祥杰;;短時交通流量智能組合預(yù)測模型及應(yīng)用[J];系統(tǒng)工程理論與實踐;2011年03期

8 王碩;;BP神經(jīng)網(wǎng)絡(luò)在高速公路交通量預(yù)測中的應(yīng)用[J];中國科技信息;2010年08期

9 陳淑燕,陳家勝;一種改進的灰色模型在交通量預(yù)測中的應(yīng)用[J];公路交通科技;2004年02期

相關(guān)碩士學(xué)位論文 前10條

1 宋迪;高速公路短時交通流預(yù)測算法研究[D];浙江工業(yè)大學(xué);2016年

2 喬英蘋;基于socket通信的文件服務(wù)系統(tǒng)設(shè)計與實現(xiàn)[D];山東大學(xué);2016年

3 張佳寧;基于神經(jīng)網(wǎng)絡(luò)的城市交通流量預(yù)測模型研究[D];廣東工業(yè)大學(xué);2016年

4 尚鵬;惡劣天氣條件下高速公路的風(fēng)險分級管控方法研究[D];中國地質(zhì)大學(xué)(北京);2016年

5 吳庚;神經(jīng)網(wǎng)絡(luò)應(yīng)用于高速公路交通流預(yù)測的研究[D];大連海事大學(xué);2015年

6 張文斌;基于神經(jīng)網(wǎng)絡(luò)的城市道路交通量短時預(yù)測研究[D];蘭州交通大學(xué);2015年

7 于亞男;基于神經(jīng)網(wǎng)絡(luò)模型的短時交通流預(yù)測及應(yīng)用研究[D];太原理工大學(xué);2015年

8 沈小峰;交通流量短時預(yù)測的算法研究[D];浙江工業(yè)大學(xué);2015年

9 凌智;基于BP神經(jīng)網(wǎng)絡(luò)的高速公路車流量預(yù)測研究[D];武漢理工大學(xué);2014年

10 趙海龍;基于神經(jīng)網(wǎng)絡(luò)的高速公路交通量預(yù)測[D];山東理工大學(xué);2013年

本文編號：2704224