本文關(guān)鍵詞：基于實(shí)時(shí)路況的動(dòng)態(tài)路徑規(guī)劃研究，由筆耕文化傳播整理發(fā)布。

【摘要】：及時(shí)、準(zhǔn)確地交通流預(yù)測(cè)是智能交通管理的重要前提,是交通數(shù)據(jù)挖掘研究中非常重要的問(wèn)題之一。它可以引導(dǎo)交通流走向,方便交通管理,在智能交通系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)中起著至關(guān)重要的作用。交通速度預(yù)測(cè)作為交通流預(yù)測(cè)的一個(gè)重要方向,可以直觀的反應(yīng)道路交通狀況。交通速度預(yù)測(cè)是基于道路的歷史交通速度值和變化規(guī)律來(lái)預(yù)測(cè)未來(lái)的道路速度值和變化趨勢(shì)。然后根據(jù)預(yù)測(cè)的交通速度信息,來(lái)推斷未來(lái)道路可能的通行狀態(tài),以此合理規(guī)劃出行路線。這種預(yù)知性的規(guī)劃出行路線,可以減少人們出行堵塞等待時(shí)間,緩解交通壓力,有助于交通管理和控制。本文針對(duì)智能交通系統(tǒng)中短時(shí)交通速度預(yù)測(cè)和動(dòng)態(tài)路徑規(guī)劃問(wèn)題展開了深入研究。短時(shí)交通流預(yù)測(cè)是智慧城市中交通路況判斷的重要依據(jù),是路徑規(guī)劃的基本前提,它需要對(duì)歷史交通數(shù)據(jù)進(jìn)行挖掘分析。由于交通數(shù)據(jù)時(shí)變性的特點(diǎn),現(xiàn)有的數(shù)據(jù)挖掘算法不可以直接用于交通領(lǐng)域知識(shí)的挖掘,也不能在大規(guī)模交通速度數(shù)據(jù)挖掘中直接高效實(shí)現(xiàn),為此本文提出遺傳算法和小波神經(jīng)網(wǎng)絡(luò)組合的方法(GA-WNN)來(lái)實(shí)現(xiàn)短時(shí)交通速度預(yù)測(cè)。GA-WNN主要是針對(duì)小波神經(jīng)網(wǎng)絡(luò)容易陷入局部最小值的缺點(diǎn),提出利用遺傳算法全局搜索的能力對(duì)小波神經(jīng)網(wǎng)絡(luò)初始系數(shù)進(jìn)行優(yōu)化,然后再把優(yōu)化后的參數(shù)輸入神經(jīng)網(wǎng)絡(luò),利用網(wǎng)絡(luò)基本結(jié)構(gòu)預(yù)測(cè)未來(lái)交通速度。通過(guò)實(shí)驗(yàn)結(jié)果對(duì)比,可以得到基于遺傳算法和小波神經(jīng)的組合模型交通速度預(yù)測(cè)結(jié)果與實(shí)際交通速度具有較高的吻合度。通過(guò)短時(shí)交通速度預(yù)測(cè)可以得到道路的實(shí)時(shí)交通速度信息,然后經(jīng)過(guò)交通信息融合系統(tǒng)和交通管理系統(tǒng)的分析處理,便可以得到道路對(duì)應(yīng)的實(shí)時(shí)交通路況信息,為進(jìn)一步的交通路徑規(guī)劃提供數(shù)據(jù)和理論依據(jù)。最后在短時(shí)交通速度預(yù)測(cè)基礎(chǔ)上,我們根據(jù)出行者對(duì)出行時(shí)間、距離和速度等因素的需求,利用改進(jìn)的蟻群算法,實(shí)現(xiàn)了實(shí)時(shí)動(dòng)態(tài)路徑規(guī)劃。通過(guò)仿真實(shí)驗(yàn)證明,根據(jù)短時(shí)交通速度預(yù)測(cè)做出的實(shí)時(shí)動(dòng)態(tài)路徑規(guī)劃在出行距離,出行時(shí)間,出行費(fèi)用方面更符合出行者的需求,為緩解交通壓力、協(xié)助交通控制和管理、減少交通事故、減少尾氣排放做出了貢獻(xiàn)。
【關(guān)鍵詞】：智能交通系統(tǒng) 短時(shí)交通速度預(yù)測(cè) 實(shí)時(shí)動(dòng)態(tài)路徑規(guī)劃 遺傳算法 小波神經(jīng)網(wǎng)絡(luò)模型
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U495;TP18
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-22
• 1.1 研究相關(guān)10-14
• 1.2 課題相關(guān)領(lǐng)域發(fā)展現(xiàn)狀14-18
• 1.2.1 短時(shí)交通速度預(yù)測(cè)的研究現(xiàn)狀14-17
• 1.2.2 交通路徑規(guī)劃的研究現(xiàn)狀17-18
• 1.3 論文主要工作18-20
• 1.4 論文的組織結(jié)構(gòu)20-22
• 第二章 基于小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通速度預(yù)測(cè)22-36
• 2.1 問(wèn)題分析22
• 2.2 交通流預(yù)測(cè)基本特征參數(shù)22-24
• 2.3 交通數(shù)據(jù)預(yù)處理24-28
• 2.3.1 交通數(shù)據(jù)故障識(shí)別25
• 2.3.2 數(shù)據(jù)修復(fù)方法25-27
• 2.3.3 數(shù)據(jù)歸一化27-28
• 2.4 小波神經(jīng)網(wǎng)絡(luò)模型28-34
• 2.4.1 神經(jīng)網(wǎng)絡(luò)概述28
• 2.4.2 小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型28-31
• 2.4.3 小波神經(jīng)網(wǎng)絡(luò)算法流程31-32
• 2.4.4 小波神經(jīng)網(wǎng)絡(luò)模型實(shí)驗(yàn)分析32-34
• 2.5 本章小結(jié)34-36
• 第三章 基于遺傳算法和小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通速度預(yù)測(cè)36-45
• 3.1 遺傳算法原理36-38
• 3.2 遺傳算法改進(jìn)小波神經(jīng)網(wǎng)絡(luò)模型38-44
• 3.2.1 遺傳算法改進(jìn)小波神經(jīng)網(wǎng)絡(luò)的基本原理38-41
• 3.2.2 基于遺傳優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通速度預(yù)測(cè)實(shí)驗(yàn)41-44
• 3.3 本章小結(jié)44-45
• 第四章 基于實(shí)時(shí)路況的動(dòng)態(tài)路徑規(guī)劃45-62
• 4.1 實(shí)時(shí)動(dòng)態(tài)路徑規(guī)劃問(wèn)題45
• 4.2 交通路網(wǎng)數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)45-48
• 4.2.1 圖相鄰矩陣數(shù)據(jù)存儲(chǔ)46-47
• 4.2.2 圖相鄰鏈表數(shù)據(jù)存儲(chǔ)47-48
• 4.3 基于改進(jìn)蟻群算法的動(dòng)態(tài)路徑規(guī)劃48-55
• 4.3.1 基本蟻群算法原理48-52
• 4.3.2 改進(jìn)的蟻群算法52-53
• 4.3.3 多約束蟻群算法53-55
• 4.4 仿真實(shí)驗(yàn)和結(jié)果分析55-61
• 4.4.1 實(shí)時(shí)動(dòng)態(tài)路徑規(guī)劃思想55-57
• 4.4.2 路徑規(guī)劃仿真實(shí)驗(yàn)57-61
• 4.5 本章小結(jié)61-62
• 第五章 總結(jié)與展望62-64
• 5.1 研究結(jié)論62
• 5.2 研究展望62-64
• 致謝64-66
• 參考文獻(xiàn)66-70
• 附錄70

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 黃永紅;徐勇;;基于小波神經(jīng)網(wǎng)絡(luò)的某邊坡預(yù)測(cè)研究[J];測(cè)繪工程;2012年02期

2 祖哲;畢貴紅;劉力;郝娟;;基于小波神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)模型研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2012年10期

3 霍禹同;;基于小波神經(jīng)網(wǎng)絡(luò)的電機(jī)自動(dòng)控制研究[J];信息與電腦(理論版);2013年09期

4 江亞?wèn)|,丁麗萍,夏克儉,李恪,陳因頎;基于小波神經(jīng)網(wǎng)絡(luò)的混沌模式提取[J];北京科技大學(xué)學(xué)報(bào);2001年05期

5 陳農(nóng),賈區(qū)耀;用自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)辨識(shí)動(dòng)態(tài)實(shí)驗(yàn)數(shù)據(jù)[J];飛行力學(xué);2001年01期

6 張?jiān)龇?陳瑞中,齊保謙,陸英北;基于小波神經(jīng)網(wǎng)絡(luò)的心電數(shù)據(jù)壓縮研究[J];廣西工學(xué)院學(xué)報(bào);2002年01期

7 任少龍,鐘秋海,嚴(yán)承華;小波神經(jīng)網(wǎng)絡(luò)在裝備研制費(fèi)預(yù)測(cè)與控制中的應(yīng)用[J];海軍工程大學(xué)學(xué)報(bào);2002年05期

8 董杰,馬壯,吳云,李嘉林;遺傳小波神經(jīng)網(wǎng)絡(luò)在飛機(jī)加油管路設(shè)計(jì)中的應(yīng)用[J];機(jī)械科學(xué)與技術(shù);2002年S1期

9 趙學(xué)智,鄒春華,陳統(tǒng)堅(jiān),葉邦彥,彭永紅;小波神經(jīng)網(wǎng)絡(luò)的參數(shù)初始化研究[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年02期

10 楊春玲,楊茂華,胡艷,戴景民;小波神經(jīng)網(wǎng)絡(luò)在多波長(zhǎng)輻射測(cè)溫中的應(yīng)用[J];計(jì)量學(xué)報(bào);2003年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 胡博;陶文華;崔博;白一彤;尹旭;;基于小波神經(jīng)網(wǎng)絡(luò)的異步電機(jī)故障診斷[A];2009中國(guó)控制與決策會(huì)議論文集（2）[C];2009年

2 何正友;錢清泉;;一種改進(jìn)小波神經(jīng)網(wǎng)絡(luò)模型在電力故障信號(hào)識(shí)別中的應(yīng)用[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

3 魯艷軍;陳漢新;陳緒兵;;基于小波神經(jīng)網(wǎng)絡(luò)的齒輪裂紋故障診斷[A];節(jié)能減排 綠色制造 智能制造——低碳經(jīng)濟(jì)下高技術(shù)制造產(chǎn)業(yè)與智能制造發(fā)展論壇論文集[C];2010年

4 董健;尹萌;張輝;;小波神經(jīng)網(wǎng)絡(luò)結(jié)合多項(xiàng)式的混合預(yù)測(cè)方法在通信規(guī)劃中的應(yīng)用[A];2011全國(guó)無(wú)線及移動(dòng)通信學(xué)術(shù)大會(huì)論文集[C];2011年

5 謝建宏;張為公;;復(fù)合材料疲勞剩余壽命預(yù)測(cè)的動(dòng)態(tài)小波神經(jīng)網(wǎng)絡(luò)方法[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

6 陳建秋;張新政;;基于小波神經(jīng)網(wǎng)絡(luò)的水質(zhì)預(yù)測(cè)應(yīng)用研究[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

7 孫正貴;;小波神經(jīng)網(wǎng)絡(luò)的高效學(xué)習(xí)算法及應(yīng)用研究[A];中南六�。▍^(qū)）自動(dòng)化學(xué)會(huì)第24屆學(xué)術(shù)年會(huì)會(huì)議論文集[C];2006年

8 黃敏;朱啟兵;崔寶同;;基于小波神經(jīng)網(wǎng)絡(luò)的軋機(jī)特性回歸[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

9 周紹磊;張文廣;李新;;一種基于改進(jìn)遺傳算法的小波神經(jīng)網(wǎng)絡(luò)[A];2007年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2007年

10 杜青;劉劍飛;劉娟;喬延華;;基于小波神經(jīng)網(wǎng)絡(luò)的模擬調(diào)制信號(hào)自動(dòng)識(shí)別[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2007年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 侯霞;小波神經(jīng)網(wǎng)絡(luò)若干關(guān)鍵問(wèn)題研究[D];南京航空航天大學(xué);2006年

2 章文俊;小波神經(jīng)網(wǎng)絡(luò)算法及其船舶運(yùn)動(dòng)控制應(yīng)用研究[D];大連海事大學(xué);2014年

3 高協(xié)平;小波參數(shù)化與小波神經(jīng)網(wǎng)絡(luò)研究[D];湖南大學(xué);2003年

4 宋清昆;自適應(yīng)結(jié)構(gòu)優(yōu)化神經(jīng)網(wǎng)絡(luò)控制研究[D];哈爾濱理工大學(xué);2009年

5 李永紅;廣義小波神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)雷達(dá)相關(guān)濾波的研究[D];大連海事大學(xué);2000年

6 銀俊成;量子信道與量子小波神經(jīng)網(wǎng)絡(luò)相關(guān)問(wèn)題研究[D];陜西師范大學(xué);2013年

7 李文軍;多小波和小波神經(jīng)網(wǎng)絡(luò)構(gòu)造及其在電弧故障診斷中的應(yīng)用研究[D];吉林大學(xué);2008年

8 劉守生;遺傳算法與小波神經(jīng)網(wǎng)絡(luò)中若干問(wèn)題的研究[D];南京航空航天大學(xué);2005年

9 黃同成;基于小波神經(jīng)網(wǎng)絡(luò)理論的VOCR與HOCR技術(shù)研究[D];上海大學(xué);2008年

10 蔡振禹;基于粗集—小波神經(jīng)網(wǎng)絡(luò)的煤炭企業(yè)管理研究[D];天津大學(xué);2007年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張清華;小波神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化及其應(yīng)用[D];東北農(nóng)業(yè)大學(xué);2009年

2 王建雙;基于小波神經(jīng)網(wǎng)絡(luò)控制器設(shè)計(jì)與研究[D];哈爾濱理工大學(xué);2009年

3 張蓉暉;小波神經(jīng)網(wǎng)絡(luò)及其在模擬電路診斷中的應(yīng)用[D];華中科技大學(xué);2008年

4 吳曦;基于隨機(jī)小波神經(jīng)網(wǎng)絡(luò)的一類隨機(jī)過(guò)程的逼近[D];西北工業(yè)大學(xué);2001年

5 王勇;基于小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷的研究[D];內(nèi)蒙古工業(yè)大學(xué);2006年

6 孫新強(qiáng);基于小波神經(jīng)網(wǎng)絡(luò)的板料沖壓回彈研究[D];西南交通大學(xué);2015年

7 但立;基于小波神經(jīng)網(wǎng)絡(luò)的地面三維激光掃描點(diǎn)云數(shù)據(jù)的滑坡監(jiān)測(cè)研究[D];長(zhǎng)安大學(xué);2015年

8 王超;基于智能算法的含酸性氣體甲烷水合物形成條件預(yù)測(cè)研究[D];中國(guó)石油大學(xué)(華東);2014年

9 付夢(mèng)瑤;電動(dòng)負(fù)載模擬器的控制方法研究[D];中北大學(xué);2016年

10 姜琳珊;基于區(qū)間小波神經(jīng)網(wǎng)絡(luò)的高爐爐溫預(yù)測(cè)[D];東北大學(xué);2014年

  本文關(guān)鍵詞：基于實(shí)時(shí)路況的動(dòng)態(tài)路徑規(guī)劃研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：346899