基于反馈模糊神经网络的行程时间预测研究

《基于反馈模糊神经网络的行程时间预测研究》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、工学硕士学位论文基于反馈模糊神经网络的行程时间预测研究张峰哈尔滨工业大学2006年6月国内图书分类号：U491.1+4国际图书分类号：656工学硕士学位论文基于反馈模糊神经网络的行程时间预测研究硕士研究生：张峰导师：安实教授申请学位：工学硕士学科、专业：交通运输规划与管理所在单位：深圳研究生院答辩日期：2006年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:U491.1+4U.D.C:656DissertationfortheMasterDegreeofEngineeringAPPL

2、ICATIONOFRECURRENTFUZZYNEURALNETWORKFORTRAVELTIMEFORECASTINGCandidate:ZhangFengSupervisor:Prof.AnShiAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:TransportationplanningandManagementAffiliation:ShenzhenGraduateSchoolDateofOralExamination:June,200

3、6University:HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要随着智能交通系统的发展，交通流诱导和线路引导成为21世纪现代地面运输管理体系的模式和发展方向。建立交通流诱导和线路引导系统的关键是要能较准确地预测未来时段内的路段行程时间，路段行程时间预测也是智能交通信息系统研究的重要内容，因此，城市交通路段行程时间预测研究有着十分重大的意义。本文在基于模糊逻辑系统和反馈神经网络理论研究的基础上，建立了一种反馈模糊神经网络，并把它应用于行程时间的预测研究。本

4、文所建立的反馈模糊神经网络作为一种新型的数学建模方式，继承了模糊神经网络的优点，可以根据具体问题确定相应的网络拓扑结构，具有自学习、自组织的功能，不会出现局部极小值问题，对连续非线性函数具有一致逼近性，而且，它含有反馈的功能，具有联想记忆的能力。论文首先介绍了路段行程时间预测的已有方法，分析了它们的优势和不足；然后分析了交通诱导系统对行程时间预测的需求，研究行程时间与交通流基本参数之间的关系，确定用于行程时间预测的交通参数为交通流量和车道占有率；建立反馈模糊神经网络模型用于行程时间的预测，通过仿真验证

5、了其预测效果；引入不同的性能指标以便对预测的效果进行分析；最后与普通的模糊神经网络的预测性能做了系统的比较，证明了基于反馈模糊神经网络的路段行程时间预测有较好的准确性和收敛性。关键词反馈模糊神经网络；交通诱导；行程时间预测；交通流量；车道占有率-I-哈尔滨工业大学工学硕士学位论文AbstractWiththerapiddevelopmentofintelligenttransportationsystem,thetrafficflowguidancehasbecometheimportantmodeo

6、fthemoderntrafficmanagementsysteminthe21stcentury.Howtopredicttheroutetraveltimeaccuratelyisthekeytechnologyofagoodtrafficflowguidancesystem,andwhichisalsooneofthebasicaspectsoftheintelligenttransportationinformationsystem,soitissignificanttostudythemet

7、hodsofforecastingtheaccuratetraveltime.Thepaperputsforwardatraveltimepredictionmodelbasedontherecurrentfuzzyneuralnetworkwhichcombinethetheoryoffuzzylogicsystemandrecurrentneuralnetwork.Asanewmodelingmethod,recurrentfuzzyneuralnetworkinherittheexcellenc

8、eofthefuzzyneuralnetwork,itcanlearnregulationsfromhistorydataandorganizenetworkstructureaccordingtogivenissue,itcanovercometheshortcomingofpartialminimumpointproblem,ithasconsistentapproachqualityforsequencenon-linerfunction,andt