資源描述：
《基于人工神經(jīng)網(wǎng)絡(luò)交通流量預(yù)測(cè)模型的的研究》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、哈爾濱工程大學(xué)碩士學(xué)位論文摘要隨著經(jīng)濟(jì)的發(fā)展和城市規(guī)模的擴(kuò)大，城市交通擁擠問(wèn)題日益突出。目前，主要通過(guò)以下兩方面的途徑緩解交通擁擠：一是增加路網(wǎng)建設(shè)的密度，這是一種最為有效的辦法。二是通過(guò)對(duì)交通流量的合理調(diào)控，優(yōu)化路網(wǎng)的利用率。這就是世界發(fā)達(dá)國(guó)家正在研究、實(shí)施的智能運(yùn)輸交通系統(tǒng)(ITS)。而準(zhǔn)確地預(yù)測(cè)交通流量是ITS的關(guān)鍵所在。本文以單十字路口交通流量預(yù)測(cè)為例，設(shè)計(jì)了三種預(yù)測(cè)方案。于2006年8月8日、10日6時(shí)～8時(shí)40分，實(shí)測(cè)了哈爾濱市紅旗大街和先鋒路交叉口各個(gè)方向的實(shí)際交通流量。并以所測(cè)得交通流量作為樣本，對(duì)本文的BP網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行訓(xùn)練和仿
2、真，選出較好的方案作為實(shí)際預(yù)測(cè)模型。由于BP網(wǎng)絡(luò)收斂速度慢且易陷入局部最小點(diǎn)，為提高模型的預(yù)測(cè)性能，又提出了通過(guò)調(diào)整學(xué)習(xí)率的改進(jìn)BP算法，本算法可以根據(jù)預(yù)測(cè)精度來(lái)動(dòng)態(tài)調(diào)整學(xué)習(xí)率，這是本文的一個(gè)創(chuàng)新之處?？紤]到學(xué)習(xí)率和隱含層數(shù)日對(duì)網(wǎng)絡(luò)預(yù)測(cè)精度和收斂速度有很大的影響。本文又利用遺傳算法對(duì)改進(jìn)的BP預(yù)測(cè)模型進(jìn)行尋優(yōu)，這也是本文最大的創(chuàng)新之處。本算法通過(guò)改變網(wǎng)絡(luò)的學(xué)習(xí)率和隱含層單元數(shù)目，利用仿真結(jié)果來(lái)優(yōu)化預(yù)測(cè)模型的總體性能。研究表明，利用遺傳算法搜索到的預(yù)測(cè)模型具有預(yù)測(cè)精度高、收斂時(shí)間短的優(yōu)點(diǎn)，可以作為實(shí)際的預(yù)測(cè)模型來(lái)使用。關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)；智能交通系
3、統(tǒng)；交通量預(yù)測(cè)；遺傳算法墮璽堡三堡奎蘭堡主蘭垡絲莖AbstractWiththeeconomicaldevelopmentandtheexpansionofthecityscale．theproblemofthetransportationcongestionisoutstandingdaybyday．Atpresent,twowaysaleusedtoeffectivelyalleviatethetrafficcongestion．Increasingtheroadnetwork’Sdensityisoneofthemosteffectiveme
4、ans．Theotheris0ptimizetheutilityoftheroadnetworkthroughthereasonableregulationoftrafficflow,whichisstudyingandapplyingintelligenttransportationsystem(ITS)．thekeyofitistoforecastthetrafficflOW．111isarticlehasdesignedthreekindsofforecastprojectsandtakethesingleintersectionroadtr
5、afficflowforecastasanexample，IntheAugust8thand10thfrom6：00如m．to8：402006．WemeasuredtheactualtrafficflowoftheRoadintersectionbetweenRedflagsireetandXianFengRoadbvalldirections．TheBPnetworkmodelWastrainedandsimulated．、Ⅳehaveselectedabettersolutionasapracticalmodelbytheswatchmeasu
6、red．BecausethespeedofBPnetwork’Sconvergenceistooslowandenterslocalminimumpointeasily,thearticleprovidesadvancedBPalgorithmthroughadjustingstudyratetoimprovetheperformanceoftheforecastmodel．nealgorithmmayadjustthestudyrateaccordingtotheforecastprecision．Itistheinnovation．Sincet
7、hestudyrateandtheconceallevelnumbershavegl‘eatinfluenceontheforecastprecisionofnetwork．TlliSarticlehasresearchedthemostsuperiorBPneuralnetworkforecastmodelusingthegeneticalgorithm．Tllisisantherinnovation．TlliSalgodthmchangingtheBPnetworkthestudyrateandtheconcealmentlevelunitnu
8、mber，optimizesoverallperformancesofforecastmodelusingthesimul
