資源描述：
《高速公路短時(shí)交通流預(yù)測(cè)算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、碩士學(xué)位論文論文題目：高速公路短時(shí)交通流預(yù)測(cè)算法研究作者姓名宋迪指導(dǎo)教師陳國(guó)定教授學(xué)科專(zhuān)業(yè)控制工程培養(yǎng)類(lèi)別全日制專(zhuān)業(yè)學(xué)位碩士所在學(xué)院信息工程學(xué)院提交日期2016年10月18日浙江工業(yè)大學(xué)碩士學(xué)位論文高速公路短時(shí)交通流預(yù)測(cè)算法研究作者姓名：宋迪指導(dǎo)教師：陳國(guó)定教授浙江工業(yè)大學(xué)信息工程學(xué)院2016年10月DissertationSubmittedtoZhejiangUniversityofTechnologyfortheDegreeofMasterResearchonPredictionAlgorithmofFreewayShort-termTraffi
2、cFlowCandidate:SongDiAdvisor:Prof.ChenGuodingCollegeofInformationEngineeringZhejiangUniversityofTechnologyOct2016浙江工業(yè)大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明；所提交的學(xué)位論文是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究王作。所取得的研巧成果除文中已經(jīng)加標(biāo)注引用的內(nèi)容外，本論文不包含其他個(gè)人或集體己經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果，也不含為獲得浙江工業(yè)大學(xué)或其它教育機(jī)構(gòu)的。學(xué)位證書(shū)而使用過(guò)的材料對(duì)本文的研巧作出重要貢獻(xiàn)的個(gè)人和集體，巧已在文
3、中Ｗ明確方式標(biāo)明。本人承擔(dān)本聲明的法律責(zé)任。作者簽名：曰期：到ｉ年Ｉ之月１曰條擔(dān)＿學(xué)位論文版權(quán)使用授權(quán)書(shū)、本學(xué)位論文作者完全了解學(xué)校有關(guān)保留使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國(guó)家有關(guān)部ｎ或機(jī)構(gòu)送交論文的食印件和電子版，允許論文被爸閱和借閱。本１：１人授化浙江了業(yè)火學(xué)ｆ將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢、。索，巧采用影印縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文本學(xué)位論文屬于一１、保密□，在年解密后適用本授儀書(shū)。２、似密□，在蘭年解密后適用本授權(quán)書(shū)。；口成／＾保密。＂＂（請(qǐng)巧相府方框
4、內(nèi)打Ｖ）２。之月作者篇名：口期：１年／日索歧｜Ｉ詩(shī)帥簽扣Ｈ期心抑Ｈ／ｊ浙江工業(yè)大學(xué)碩士學(xué)位論文高速公路短時(shí)交通流預(yù)測(cè)算法研究摘要城市內(nèi)高速公路，主要給城市內(nèi)部的車(chē)輛提供中短途的快速通行服務(wù)，車(chē)流波動(dòng)較大，與普通道路耦合程度較高，故對(duì)其進(jìn)行準(zhǔn)確的交通流短時(shí)預(yù)測(cè)可以給整個(gè)城市交通帶來(lái)巨大便利。交通流量的短時(shí)預(yù)測(cè)是交通控制和交通誘導(dǎo)的重要前提，也是本文研究的主要方向。交通流通常表現(xiàn)出周期性、不確定性和高度非線性等特點(diǎn)，而神經(jīng)網(wǎng)絡(luò)剛好具有良好的非線性映射能力和學(xué)習(xí)能力。因此，本文將重點(diǎn)研究基于神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)算法。在神經(jīng)網(wǎng)絡(luò)中，BP神
5、經(jīng)網(wǎng)絡(luò)作為前饋型神經(jīng)網(wǎng)絡(luò)的核心部分而得到了廣泛的應(yīng)用，但它在實(shí)際應(yīng)用中也存在容易陷入局部極小值和收斂速度慢等缺點(diǎn)。為此，本文將針對(duì)這些缺點(diǎn)對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)，并將優(yōu)化后的算法用于高速公路交通流短時(shí)預(yù)測(cè)。首先，描述了交通流預(yù)測(cè)基本概念，包括交通流的三個(gè)重要參數(shù)和交通流的特性，介紹了交通流數(shù)據(jù)的采集和預(yù)處理方法，研究了多種高速公路動(dòng)態(tài)交通模型，并給出了四種交通流預(yù)測(cè)性能評(píng)價(jià)指標(biāo)。然后，詳細(xì)描述了BP神經(jīng)網(wǎng)絡(luò)短時(shí)交通流預(yù)測(cè)模型的建立過(guò)程，包括輸入輸出節(jié)點(diǎn)數(shù)和隱層節(jié)點(diǎn)數(shù)的確定與樣本庫(kù)的生成，用確定好的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)實(shí)際高速公路交通流數(shù)據(jù)進(jìn)行仿真實(shí)
6、驗(yàn)，并對(duì)預(yù)測(cè)結(jié)果進(jìn)行分析，證實(shí)了用BP網(wǎng)絡(luò)算法來(lái)進(jìn)行高速公路交通流量短時(shí)預(yù)測(cè)是可行的，但是效果還有待提高。其次，用一種以小波基函數(shù)取代BP神經(jīng)網(wǎng)絡(luò)隱含層的Sigmoid函數(shù)的小波神經(jīng)網(wǎng)絡(luò)模型繼續(xù)進(jìn)行仿真實(shí)驗(yàn)，并與BP算法進(jìn)行比較，進(jìn)一步提高了預(yù)測(cè)算法的相關(guān)性能。最后，將最大最小蟻群算法與小波神經(jīng)網(wǎng)絡(luò)進(jìn)行了融合，利用蟻群算法為所建立的小波神經(jīng)網(wǎng)絡(luò)提供一組相對(duì)較優(yōu)的權(quán)閾值，來(lái)進(jìn)行仿真實(shí)驗(yàn)，結(jié)果表明經(jīng)蟻群算法優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)可以較貼合地?cái)M合出交通流的變化規(guī)律，該預(yù)測(cè)算法有一定的實(shí)用價(jià)值。關(guān)鍵詞：高速公路，短時(shí)交通流預(yù)測(cè)，BP神經(jīng)網(wǎng)絡(luò)，小波，蟻群算法I浙江
7、工業(yè)大學(xué)碩士學(xué)位論文RESEARCHONPREDICTIONALGORITHMOFFREEWAYSHORT-TERMTRAFFICFLOWABSTRACTCityfreeway,themaincitytothevehicletoprovidefastaccessserviceintheshortdistance,trafficfluctuations,highdegreeofcouplingandordinaryroad,sotheshort-termtrafficflowforecastcanbringgreatconveniencetotheci
8、tytraffic.Shorttermpredictionoftrafficflowisanimportan
