基于神经网络的短时交通流量预测研究.pdf

《基于神经网络的短时交通流量预测研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、单位代码：密级碎士嗲像恰式文题目基子神经网络的短时交通流量究学号姓名吴凯周西峰副教授导师控制理论与控制工程学科专业研究方向计算机控制与系统集成工学硕士申请学位类别论文提交日期：一三年六月Studyofshort-termtrafficflowpredictionbasedonneuralnetworkThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByWUKaiSu

2、pervisor:Prof.ZhouXifengJune2013南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。研究生签名：知日期：南京邮电大学学位

3、论文使用授权声明本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索；可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。涉密学位论文在解密后适用本授权书。研究生签名：导师签名：▽日期从牛播苗撊安智能交通系统（是目前缓解城市交通压力、减少环境污染的一种有效、新型的方法。交通流量预测是智能交通系统的重要组成部分，

4、其中短时交通流量预测是交通流量预测中主要的研究内容，及时获取短时交通流量预测的信息有助于保障交叉路口的畅通。因此如何获取准确的短时交通流量预测信息是保证交通有效运行的关键。根据城市路况交通流量高度的非线性和不确定性等特点以及以往交通流量预测的方法，本文在对神经网络研究的基础上建立了基于神经网络的短时交通流量预测模型，通过仿真实验验证了梯度下降法的不足，使用学习算法作为神经网络的训练算法，并通过仿真实例验证了该算法的可行性。为了克服神经网络因初始参数选取不当而造成易陷入局部极小点的缺点，将智能优化算法引入到

5、优化神经网络的初始参数中，分别介绍了粒子群优化算法和遗传算法的基本原理以及它们的改进算法，并利用这些智能算法优化神经网络的初始权值和阈值，在此基础上分别建立了基于、、神经网络的短时交通流量预测模型，仿真结果表明基于智能算法优化后的神经网络的短时交通流量预测模型预测精度得到了提高。最后对文章中提到的预测算法作了分析总结，并将遗传算法的思想引入到粒子群算法中，提出了算法，该算法结合了粒子群算法和遗传算法的优点，在此基础上建立了基于神经网络的短时交通流量预测模型，仿真结果表明该预测模型具有更高的预测精度。关键词

6、：交通流量，预测，神经网络，粒子群优化算法，遗传算法AbstractAbstract:IntelligentTransportationSystems(ITS)isanefectiveandanewwaytoeaseurbantraficpressureandreducesenvironmentalpollution.TraficflowforecastingisanimportantpartofITS,andtheshort-termtraficforecastingisthemainstudycont

7、entofthetraficflowforecasting.Itcanensurethesmoothflowoftheintersectionbyacceptingtheshort-termtraficforecastinformationtimely.Therefore,howtoobtaintheaccurateshort-termtrafficforecastinformationisthekeytoensuretheeffectiveoperationofthetrafic.Accordingto

8、thehighlynonlinearanduncertaincharacteristicsofurbanroadtraficandthemetiiodsoftheprevioustrafficflowforecasting，，，，目录雜课题的研究背景和意义国内外研究现状智能交通系统发展概述交通流量预测的发展本文的工作内容本文的研究工作章节安排第二章人工神经网络的基本理论人工神经网络研究的发展历史人工神经网络基础知识人工神经网络