發(fā)布時間：2022-07-02 14:48

　　在車位共享模式下,對社區(qū)停車位進行短時、準確地預測,既有利于停車需求方選擇更合適的車位,也有利于車位資源的合理分配。提出一種社區(qū)停車位的短時預測方法,首先利用C-C方法對空余停車泊位時間序列進行相空間重構,采用李雅普諾夫指數(shù)法證明該時間序列的可預測性;然后將重構后的時間序列輸入小波神經(jīng)網(wǎng)絡（wavelet neural network, WNN）進行訓練。采用遺傳算法（genetic algorithm, GA）優(yōu)化小波神經(jīng)網(wǎng)絡初始參數(shù),經(jīng)過多次迭代獲取最優(yōu)參數(shù),得到優(yōu)化后的預測模型;最后,通過matlab對該算法進行編程,并調研長沙市某社區(qū)空余停車泊位數(shù)據(jù)進行實驗分析。研究結果表明:基于相空間重構的遺傳小波神經(jīng)網(wǎng)絡（CC-GA-WNN）模型具有較好的預測精度和優(yōu)化效果。 

【文章頁數(shù)】：9 頁

【參考文獻】：
期刊論文
[1]基于優(yōu)化LSTM模型的停車泊位預測算法[J]. 劉菲,郝風杰,郝敬全,周永利,辛國茂.  計算機應用. 2019(S1)
[2]遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡的泊車位數(shù)量預測[J]. 張金夢,劉慧君.  重慶大學學報. 2018(03)
[3]動態(tài)隨機有效停車泊位預測方法[J]. 段滿珍,陳光,張林,米雪玉.  重慶交通大學學報(自然科學版). 2018(06)
[4]基于小波-ELM神經(jīng)網(wǎng)絡的短期停車泊位預測[J]. 陳海鵬,圖曉航,王玉,鄭金宇.  吉林大學學報(理學版). 2017(02)
[5]基于小波變換和粒子群小波神經(jīng)網(wǎng)絡組合模型的有效停車泊位短時預測[J]. 季彥婕,陳曉實,王煒,胡波.  吉林大學學報(工學版). 2016(02)
[6]基于泊位共享的停車需求預測[J]. 肖飛,張利學,晏克非.  城市交通. 2009(03)
[7]基于相空間重構及Elman網(wǎng)絡的停車泊位數(shù)據(jù)預測[J]. 陳群,晏克非,王仁濤,莫一魁.  同濟大學學報(自然科學版). 2007(05)

博士論文
[1]基于回聲狀態(tài)網(wǎng)絡的交通流預測模型及其相關研究[D]. 楊飛.北京郵電大學 2012

碩士論文
[1]基于LSTM神經(jīng)網(wǎng)絡的可用停車位預測模型研究[D]. 杜心.武漢理工大學 2018



本文編號：3654558