基于人工神经网络的高速公路隧道群限速研究

《基于人工神经网络的高速公路隧道群限速研究》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、138科技研究城市道桥与防洪2015年1月第1期基于人工神经网络的高速公路隧道群限速研究闰慧丽，金兰，黄丹青，丁齐，黄小勇(中国市政工程华北设计研究总院有限公司，天津市300457)摘要：根据典型高速公路隧道群交通运行状况，从时间因素、交通动态因素、道路条件和隧道群环境因素等方面选取输入变量，以运行速度为输出变量，建立基于人工神经网络的高速公路隧道群速度预测模型；然后，通过灵敏度分析方法，研究各个输入变量对输出变量的影响程度，并对各个输入变量的灵敏度分析结果进行比较分析。研究结果表明：该方法能够针对隧道群交通流的实

2、际情况，充分利用与速度密切相关的信息来模拟，克服了传统算法难以建模的缺陷，适合交通流限速控制的在线建模。该方法切实可行、准确度较高，可为制定高速公路隧道群速度限制提供理论基础。关键词：人工神经网络；高速公路隧道群；限速中图分类号：U491．1文献标志码：A文章编号：1009—7716(2015)01—0138—040引言1人工神经网络的结构近年来，随着我国高速公路快速发展，高速公人工神经网络是在现代神经生物学研究成果路隧道的建设规模也不断扩大，尤其是在山区及的基础上发展起来的一种模拟人脑信息处理机制丘陵地区高速公路

3、建设中，长大隧道、隧道群也逐的网络系统，它不但具有处理数值数据的一般计算渐成为今后发展的重点方向。虽然建设隧道能有能力，而且还具有处理知识的思维、学习和记忆能效缩短车辆行驶里程，节省运行时间，减少对自然力。而BP神经网络是一种按误差逆传播算法训练环境的破坏，具有明显的社会效益和经济效益。但高的多层前馈型网络，是目前应用最广泛的神经网络速公路隧道群特殊的环境对交通安全造成很大隐模型之一[z-。患，因此，有必要对高速公路隧道群的交通安全进行BP神经网络，即误差反传误差反向传播算法研究。实践证明，合理的车速限制对于提高高

4、速公路的学习过程，由信息的正向传播和误差的反向传播隧道(群)的快速、安全、经济和舒适水平具有促进作两个过程组成，它是采用BP算法的多层神经网络用，但不适当的车速限制则会反其道而行之。模型，由输入层、中间层和输出层组成。其中中间但是到目前为止主要限速模型和限速方法大层也就是隐含层、可以是一层或多层。BP网络的学部分是针对整个高速路段，而关于高速公路隧道习过程由两部分组成：正向传播和反向传播。当正群限速方面的问题，我国开展的研究还不多，因此向传播时，信息从输入层经隐单元层处理后传向输关于隧道群的限速标准和规范还没有正式

5、出台，出层，每一层神经元的状态只影响下一层的神经元造成道路交通管理者在对高速公路路段上的隧道状态。如果在输出层得不到希望的输出，则转入反群设定限速值时，没有相应依据，限速设置合理性向传播，将误差信号沿原来的神经元连接通路返引起质疑⋯。回，返回过程中，逐一修改隔层神经元连接的权因此，本论文运用西汉高速公路隧道采集到的值。这种过程不断迭代，最后使得误差信号达到允大量数据，通过对影响高速公路隧道群速度的主许的范围之内。要因素，从时间因素、交通动态因素、道路条件和典型的BP神经网络是一种具有三层或三层隧道群环境因素等方面出

6、发，建立基于人工神经以上结构的无反馈的、层内无互连结构的前向网络翻，网络的高速公路隧道群速度预测模型；然后，通过见图1。灵敏度分析法，研究各影响因素的影响程度，从而由神经网络的结构图可以看出，它有n个输为合理控制隧道内部运行车辆进行速度，保障隧入，每个输入都通过一个适当的权值w(1，2，⋯，道行车安全提供新的思路和研究方法。／2)连接到神经元节点上。输出函数y=f(，0)，即为全部输人的加权求和，Ol=E∞⋯X并且作为激收稿日期：2014—09—09活函数f的输入，激活函数的另一个输入是神经元作者简介：闫慧丽(19

7、84一)，女，山西临汾人，工程师，从事道路交通规划和设计工作。的阀值0。BP网络中隐层激活函数通常采用2015年1月第1期城市道桥与防洪科技研究139InputlayernodesHidde“ly。Outputly。网络学习训练的过程，此过程一直进行到网络输．．nodeSnodes出的误差减少到可以接受的程度，或者预先设定的学习次数为止。2基于模糊神经网络的高速公路隧道群速度预测模型西安至汉中高速公路是陕西省“2367”高速公路网六条辐射线中的重要组成部分，也是国家高速公路“7918”网(北)京——昆(明)线(G5

8、)陕西境的重要一段。西汉高速是我国第一条穿越秦岭山脉的高速公路，桥隧多，被誉为“人川第一路”。西汉高速公路全线设计车速为60～80km／h，全线采用双向四车道，路基宽度为26m(山区路段为24．5m)，图1三层BP神经网络结构共设互通式立交8处，桥梁458座(单幅)，隧道Sigmoid型函数。BP神经网络模型包括其输入输出137座(单洞)103458．8In