基于神經網絡模型的短時交通流預測及應用研究.pdf_第1頁
已閱讀1頁,還剩87頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、新世紀以來,我國進入了城市化進程的快速發(fā)展期,機動車數量與日俱增,在給人們的生活帶來巨大便利的同時,也帶來交通擁堵、環(huán)境污染、資源浪費等一系列問題,這對人們的日常生活造成了嚴重的影響,并吸引了許多學者的關注。智能交通系統(tǒng)是一種通過人與信息系統(tǒng)配合來緩解交通阻塞,減少資源消耗和降低環(huán)境污染的方法。車聯網是物聯網技術在智能交通領域的典型應用,交通流預測是其中的關鍵技術,以道路交通信息為基礎進行交通誘導,縮減出行時間,減少交通擁擠。
 

2、 短時交通流預測是交通流預測的重點研究內容之一,及時、準確的短時交通流預測信息是保障道路暢通、交通有效運行的關鍵。短時交通流信息具有自相似性的特點,即不同時期同一路段的交通信息呈現一定的規(guī)律性和周期性,這為短時交通流預測提供了有利前提;同時,短時交通流信息也具有實時、高維、非線性、非平穩(wěn)的特征。本文針對現有短時交通流預測算法精度低、收斂慢、性能不穩(wěn)定等問題,對短時交通流預測問題進行了研究,并提出了相應的算法。本文的貢獻主要有以下方面:<

3、br>  第一,本文在對研究現有交通流預測方法的基礎上,分析了車聯網環(huán)境下的動態(tài)交通流誘導模型,通過VISSIM交通仿真軟件模擬采集交通流數據,并給出了仿真輸入和模擬采集的交通流量和平均速度參數曲線圖。
  第二,分析了交通流基本特征參數及其特性,結合歷史趨勢法和相鄰補齊法,對交通流數據進行了預處理,修復了錯誤數據,減小了錯誤數據對預測模型精度的影響。
  第三,提出了新的短時交通流預測算法:GA-BBP算法。GA-BBP算

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論