立题依据基于神经网络算法的告诉公路交通状态判别与预测方法研究

《立题依据基于神经网络算法的告诉公路交通状态判别与预测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、立题依据基于神经网络算法的告诉公路交通状态判别与预测方法研究立题依据　　路X状态评价方法方面，路X的交通状态与路X的运行状态实为一体，对路X进行状态的评价是改善其运行质量的前提和依据。另一方面，在我国对大城市的交通管理、道路交通服务水平、智能交通系统效果等方面的评价已有部分研究成果，但是专门针对高速公路路X状态的评价尚不多见。而且目前仅存的一些路X状态评价方法也都是针对单个路段所处的运行状态进行评价，缺少从微观路段到宏观路X的分层次路X状态评价方法。目前国内外学者对于路X状态评价主要集中在以下一些方面：数理统计评价方法，数理统计是指研究如何有效地收集数据，如何对数据进行推理，以便

2、对考察的问题进行推断或者预测，从而对决策和行动提供依据和建议。目前数理统计方法已经被广泛的运用于道路交通状态评价的理论研究和实际应用中。该方法主要包括回归模型和概率模型。Eargiotta等人采用SIM软件仿真了信号密度和平均日交通流量对平均行程速度的影响，得到了交叉口密度对平均形成速度有较大影响的结论，并对高等级主干路和低等级的主干路分别建立了回归模型。Turner利用宏观交通流理论中的X络模型，建立了高峰时段城市道路的交通拥堵评价模型，在收集了实测数据后，采用线性回归的方法针对高速公路和主干道分别建立了速度预测替代模型。Cottrell开发的拥挤持续时间模型，用于估计路X中拥

3、堵瓶颈的拥堵持续时间，模型研究了AADT/C和拥堵排队时间的关系，并建立了二者的回归函数关系式。高斯混合模型是一种直观的概率密度模型，可以反映某段时间内图像运动的统计特征，FatihPorikli在交通流视频录像后，采用了离散余弦变换和高斯混合模型来预测交通状态，根据极大似然函数准则来确定不同时段交通系统所处的状态。JoonhoKo提出了改进的基于高斯混合模型的路X状态统计模型，计算的基础是速度的分布规律，通过比较速度的均值、方差和混合分布来判断路X状态的改变。　　人工智能技术评价方法，人工智能技术作为控制论、信息论、系统论、计算机科学、心理学、数学等各种学科相互渗透的产物，主要

4、研究如何利用机器模仿人脑从事推理规划、设计、思考、学习等思维活动来解决复杂问题，其理论和应用领域涉及的范围很广。目前在路X状态判别理论方面，利用人工智能技术已经开展了大量的研究工作，主要包括：模糊逻辑、模式识别、神经X络、遗传、博弈等算法。DoanouchehrVaziri率先应用模糊集理论建立了高速公路的交通状态评价模型，提出了道路交通拥堵综合评价指标来全面反映拥堵程度。Jia同样使用模糊逻辑的方法，构建了交通从自由流到拥堵状态的连续变量，建立自适应模糊神经推理系统。Ritchie开发了用于交通状态自动判别的神经X络模型，该模型适用于集成的高速公路和信号交叉口路X，通过人工神经

5、X络能够识别和划分交通时空分布模式。蒋桂艳在分析交通拥堵特性和ANN信息处理函数的基础上，开发了基于ANN的交通拥堵识别算法。赵风波研究了基于模糊聚类分析的交通状态识别方法，提出了一种改进的模糊C-均值算法，采用启发式方法有效的解决了聚类数目和模糊指数的选取问题。　　通过分析可以发现很有必要结合国内外研究现状，从单个桥隧路段状态评价分析入手，通过对多个桥隧路段进行分层路X状态评价进行研究，来评价整体路X的状态，具有理论的创新意义和现实的应用价值。　　研究方案及工作基础　　1、研究目标、研究内容及拟解决的关键问题　　2、拟采取的研究方法及技术路线　　3、研究工作基础　　开题报告承诺

6、及导师意见　　我保证上述填报内容的真实性，并将在导师指导下，严格遵守学校的有关规定，按计划认真开展硕士学位论文研究工作。　　研究生（签名）：年月日　　我已审阅过开题报告的全部内容，同意举行开题报告会。　　指导教师（签名）：年月日