欢迎来到天天文库
浏览记录
ID:34802474
大小:1.28 MB
页数:70页
时间:2019-03-11
《基于神经网络的中等城市中心区停车需求预测模型研究》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神经网络的中等城市中心区停车需求预测模型研究张献峰哈尔滨工业大学2006年6月国内图书分类号:U491国际图书分类号:580工学硕士学位论文基于神经网络的中等城市中心区停车需求预测模型研究硕士研究生:张献峰导师:孟祥海副教授申请学位:工学硕士学科、专业:交通运输规划与管理所在单位:交通科学与工程学院答辩日期:2006年6月授予学位单位:哈尔滨工业大学ClassifiedIndex:U491U.D.C:580DissertationfortheMasterDegreeinEngineeringBASEDONANNPARKINGDEMANDFORECASTINGOFMIDDLE
2、CITYCENTRALDISTRICTCandidate:ZhangXianfengSupervisor:AssociateProf.MengXianghaiAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:TransportationPlanningandManagementAffiliation:SchoolofTransportationScience&EngineeringDateofDefence:June,2006Degree-Conferring-Institution:HarbinInstituteofTechnolog
3、y哈尔滨工业大学工学硕士学位论文摘要停车需求是一个复杂的问题,影响因素既有社会发展的因素,又有个体行为的因素,在解决实际问题中无法量化的因素常被忽略。本文尝试将停车政策的倾向作为影响因素之一,采用神经网络的预测模型分别对路侧停车泊位、社会停车泊位和配建停车泊位进行预测,训练样本采用中等城市中心区的停车数据,围绕这一目标,论文主要开展了以下几个方面的工作。首先,定性地确定了路侧、社会和配建三种类型停车的影响因素。从我国中等城市中心区停车需求特点入手,结合现有各类停车需求预测涉及的影响因素,分别进行其与停车类型关系的研究,从而选取出所需的影响因素,为下一步研究工作奠定基础。其次,建立基于BP神经网
4、络的停车需求预测模型。以选择出的停车需求影响因素作为神经网络的输入神经元,用试算法确定隐层的神经元个数,以路侧停车泊位、社会停车泊位和配建停车泊位作为网络的输出,采用改进的BP学习算法,用附录1中附表1、附表2和附表3中的样本对训练、检验网络,分别对三种类型的停车泊位数进行预测。模型主体用Matlab语言进行编程。再次,初步探讨了中等城市中心区的停车政策。从分析停车政策现状存在的问题为切入点,在分析其原因的基础上,结合停车政策目标、原则对中等城市中心区的停车政策内容作了初步探讨。最后,案例分析。以锦州市中心城区为例,应用建立的神经网络预测模型对其各类停车需求进行预测,并就预测结果进行分析,然后
5、根据各种停车类型的变化情况给出政策建议。关键词停车需求;需求预测;神经网络;停车政策;中心区-I-哈尔滨工业大学工学硕士学位论文AbstractTheparkingdemandisacomplexproblemwithmanyinfluencefactories,suchasthesocietydevelopmentandindividualhabit,andtheunmeasuredfactoriesusuallyareleftinthebasketinthefactproblem.Inthispaper,theparkingpolicybecomesoneoftheinfluencefac
6、tories,theparkingdemandoftheonside,thesocietyandtheannexesareforecastedwiththepredictionmodelbasedonartificialneuralnetwork,andthetrainingsamplearetheparkingdataofthemiddlecities.Fortheaim,thispaperstudiesonfourfacets.Firstly,findtheinfluencefactoriesoftheonsideparking,thesocietyparkingandtheannexes
7、parkingwithaqualitativeanalysis.Researchtheparkingdemandcharacteristics,thenfindouttheinfluencefactoriesintheconventionalpredictionmodels,andanalyzetherelationtothetypesofparking,andchoosetheinfluence
此文档下载收益归作者所有