本文關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)應(yīng)用于高速公路交通流預(yù)測的研究

  更多相關(guān)文章： 高速公路 交通流預(yù)測 BP神經(jīng)網(wǎng)絡(luò) 小波神經(jīng)網(wǎng)絡(luò)

【摘要】：交通流分析和預(yù)測不僅是智能交通系統(tǒng)的核心內(nèi)容,也是監(jiān)控信息服務(wù)、交通控制與誘導(dǎo)的重要基礎(chǔ)。本文以交通流和神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ),重點討論了神經(jīng)網(wǎng)絡(luò)應(yīng)用于高速公路交通流預(yù)測的兩種函數(shù)模型,即BP神經(jīng)網(wǎng)絡(luò)和小波神經(jīng)網(wǎng)絡(luò)。主要研究內(nèi)容如下：1、通過對交通流和神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和研究,提出了高速公路交通流的BP神經(jīng)網(wǎng)絡(luò)和小波神經(jīng)網(wǎng)絡(luò)的預(yù)測方案,分析了高速公路神經(jīng)網(wǎng)絡(luò)的建模過程和預(yù)測性能。同時,針對標(biāo)準(zhǔn)BP網(wǎng)絡(luò)模型的誤差過大、無法收斂問題,采用附加動量和自適應(yīng)調(diào)節(jié)學(xué)習(xí)率的方式對BP網(wǎng)絡(luò)進(jìn)行改進(jìn)。2、以遼寧高速阜營段的實際交通流數(shù)據(jù)為樣本進(jìn)行預(yù)測仿真。通過對預(yù)測數(shù)據(jù)的比較,從系統(tǒng)穩(wěn)定性、學(xué)習(xí)效率和預(yù)測精度等方面分析了BP神經(jīng)網(wǎng)絡(luò)和小波神經(jīng)在高速公路交通流預(yù)測上各自的優(yōu)勢和不足。3、總體來說,標(biāo)準(zhǔn)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測效果較差,無法達(dá)到設(shè)計要求。但改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)和小波神經(jīng)網(wǎng)絡(luò)模型對高速公路交通流預(yù)測的效果基本符合實際交通誘導(dǎo)的需求。預(yù)測精度方面,小波網(wǎng)絡(luò)優(yōu)于BP神經(jīng)網(wǎng)絡(luò)；系統(tǒng)穩(wěn)定性方面,BP網(wǎng)絡(luò)優(yōu)于小波網(wǎng)絡(luò)。
【關(guān)鍵詞】：高速公路 交通流預(yù)測 BP神經(jīng)網(wǎng)絡(luò) 小波神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U495;TP183
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第1章 緒論9-14
• 1.1 選題背景9
• 1.2 理論意義和應(yīng)用價值9-10
• 1.3 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢10-12
• 1.4 論文的內(nèi)容安排12-14
• 第2章 交通流理論14-20
• 2.1 交通流參數(shù)14-16
• 2.1.1 流量14
• 2.1.2 速度14-15
• 2.1.3 交通密度15-16
• 2.2 交通流基本參數(shù)模型16-17
• 2.2.1 車速與密度模型16
• 2.2.2 流量與交通密度模型16-17
• 2.2.3 速度與流量模型17
• 2.3 高速公路動態(tài)交通模型17-20
• 2.3.1 動態(tài)交通密度模型18
• 2.3.2 動態(tài)速度模型18-19
• 2.3.3 動態(tài)流量模型19-20
• 第3章 人工神經(jīng)網(wǎng)絡(luò)理論20-32
• 3.1 生物神經(jīng)網(wǎng)絡(luò)的原理20-21
• 3.2 人工神經(jīng)網(wǎng)絡(luò)的原理21-23
• 3.2.1 人工神經(jīng)元21-22
• 3.2.2 人工神經(jīng)網(wǎng)絡(luò)的拓?fù)?/span>22
• 3.2.3 人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練22-23
• 3.3 BP神經(jīng)網(wǎng)絡(luò)模型23-27
• 3.3.1 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的算法24-25
• 3.3.2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的過程25
• 3.3.3 BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)25-27
• 3.4 小波神經(jīng)網(wǎng)絡(luò)27-32
• 3.4.1 小波神經(jīng)網(wǎng)絡(luò)基本原理27-29
• 3.4.2 小波神經(jīng)網(wǎng)絡(luò)實現(xiàn)步驟29-31
• 3.4.3 小波函數(shù)的選擇31-32
• 第4章 高速公路交通流的神經(jīng)網(wǎng)絡(luò)模型32-45
• 4.1 監(jiān)測路段的原始模型32
• 4.2 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計32-35
• 4.2.1 輸入層節(jié)點和輸出層節(jié)點的設(shè)計32-33
• 4.2.2 網(wǎng)絡(luò)設(shè)計33-35
• 4.3 神經(jīng)網(wǎng)絡(luò)的仿真流程圖35-37
• 4.4 仿真預(yù)測與分析37-45
• 4.4.1 樣本數(shù)據(jù)歸一化處理38-39
• 4.4.2 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練39-41
• 4.4.3 交通流的預(yù)測41-45
• 第5章 總結(jié)45-46
• 參考文獻(xiàn)46-48
• 致謝48

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 史其信,鄭為中;道路網(wǎng)短期交通流預(yù)測方法比較[J];交通運(yùn)輸工程學(xué)報;2004年04期

2 王進(jìn),史其信;神經(jīng)網(wǎng)絡(luò)模型在短期交通流預(yù)測領(lǐng)域應(yīng)用綜述[J];河南科技大學(xué)學(xué)報(自然科學(xué)版);2005年02期

3 向紅艷;朱順應(yīng);王紅;嚴(yán)新平;;短期交通流預(yù)測效果的模糊綜合評判[J];武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版);2005年06期

4 王曉原;吳磊;張開旺;張敬磊;;非參數(shù)小波算法的交通流預(yù)測方法[J];系統(tǒng)工程;2005年10期

5 向紅艷;肖盛燮;;模糊數(shù)學(xué)方法在交通流預(yù)測評價中的應(yīng)用[J];重慶交通學(xué)院學(xué)報;2006年04期

6 王進(jìn);史其信;;基于非線性理論的短期交通流預(yù)測研究[J];西安建筑科技大學(xué)學(xué)報(自然科學(xué)版);2006年02期

7 黃洪瓊;湯天浩;;基于最優(yōu)梯度自適應(yīng)優(yōu)化算法的交通流預(yù)測[J];計算機(jī)工程;2007年07期

8 喬德華;張開禾;范耀祖;;多模型交通流預(yù)測優(yōu)化[J];交通標(biāo)準(zhǔn)化;2007年04期

9 李冬;;關(guān)于交通流預(yù)測各種模型的探討[J];今日科苑;2007年16期

10 馬海波;何超;徐鵬;;交通流預(yù)測網(wǎng)格自適應(yīng)負(fù)載平衡研究[J];科學(xué)技術(shù)與工程;2008年15期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 姜敏華;張曉東;;穩(wěn)定轉(zhuǎn)彎比例下的交通流預(yù)測[A];2007第三屆中國智能交通年會論文集[C];2007年

2 閆偉;劉云崗;王桂華;;數(shù)據(jù)挖掘在交通流預(yù)測模型中的研究與應(yīng)用[A];2008第四屆中國智能交通年會論文集[C];2008年

3 陳岳明;蕭德云;;擁堵條件下的路網(wǎng)交通流預(yù)測[A];2008’“先進(jìn)集成技術(shù)”院士論壇暨第二屆儀表、自動化與先進(jìn)集成技術(shù)大會論文集[C];2008年

4 田夫;李勇;孫占全;;短時交通流預(yù)測方法研究[A];2007第三屆中國智能交通年會論文集[C];2007年

5 王勝;萬健如;楊岳楓;韓雙;;基于蒙特卡羅法電梯交通流預(yù)測[A];天津市電機(jī)工程學(xué)會2012年學(xué)術(shù)年會論文集[C];2012年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 楊飛;基于回聲狀態(tài)網(wǎng)絡(luò)的交通流預(yù)測模型及其相關(guān)研究[D];北京郵電大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 田珠;大規(guī)模路網(wǎng)實時交通流預(yù)測模型及應(yīng)用研究[D];大連理工大學(xué);2008年

2 李青;城市交通流預(yù)測關(guān)鍵技術(shù)研究[D];西南科技大學(xué);2015年

3 鄒中翔;基于組合預(yù)測模型的交通流預(yù)測研究[D];蘭州交通大學(xué);2015年

4 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

5 王渭巍;公路交通流預(yù)測中“機(jī)理＋辨識”策略的若干基本問題[D];天津大學(xué);2007年

6 蔡巖;基于灰色預(yù)測模型的短期交通流預(yù)測研究[D];西南交通大學(xué);2009年

7 方宇;小波支持向量機(jī)在交通流預(yù)測中的應(yīng)用研究[D];大連理工大學(xué);2010年

8 徐玉霞;大規(guī)模路網(wǎng)動態(tài)交通流預(yù)測模型和算法研究[D];大連理工大學(xué);2006年

9 劉秋平;神經(jīng)網(wǎng)絡(luò)在短期交通流預(yù)測中的應(yīng)用研究[D];長安大學(xué);2011年

10 彭棟棟;基于短—長期模型組合的交通流預(yù)測方法[D];山東理工大學(xué);2012年

，

本文編號：580490