基于神經網絡的城市交通流量預測模型研究.pdf

1、隨著我國城鎮(zhèn)化進程的不斷深入與汽車行業(yè)的增長，我國的汽車數量呈高速增長趨勢。過多的機動車帶來了一系列的負面問題:交通擁堵、交通事故頻發(fā)、能源利用率低、尾氣污染等。其中，交通擁堵問題顯得尤為嚴峻，目前仍然沒有得到較好的改善。當前交通調控與管理已經趨向于智能化，交通流量預測是交通管理與調控過程中的關鍵環(huán)節(jié)，準確的獲得短時交通流量的預測數據具有很大的現實意義。
　　交通流量是一個多變量、時變性強的復雜參量。目前已有較多的單個預測模型可以

2、實現交通流量預測，針對單個預測模型，研究重點在于如何提高預測模型的精度。為了提高交通流量預測模型的精度，本文的工作從以下幾個方面展開:
　?。ㄒ唬┍疚氖紫确治隽私煌鲾祿臅r間特性和空間特性，在充分考慮了交通流量的周期性、隨機性和相似性的基礎之上，根據日類型因素、時間因素、氣象因素、事故因素等因素對歷史交通數據進行歸類和劃分。
　?。ǘ┍疚慕榻B了幾種當前使用比較廣泛的預測方法，分別對其原理及使用方法進行了闡述，并使用每種方

3、法對交通流量預測做了實例分析，總結與對比了各種預測方法的特點。
　?。ㄈ┰趯Ρ葞追N預測方法后，本文選擇使用BP神經網絡進行交通流量預測。對于交通流體現出的非線性特性以及BP神經網絡預測模型容易陷入局部極小值的問題，本文首先對基本BP算法進行了一定的改進，使用自適應變步長算法來改善BP神經網絡的收斂慢、容易出現振蕩的缺陷;此外，為了搜尋最優(yōu)BP網絡模型，文中采用了基于遺傳算法的BP神經網絡預測模型，這是本文的一個創(chuàng)新之處。

4、　?。ㄋ模τ谏窠浘W絡的輸入量選擇的問題，本文做了輸入量相關性的數學分析，從眾多影響因素中選擇與期望輸出相關度較大的因素作為輸入變量，從而提高預測模型的精度。
　　（五）最后，文中以廣州市道路的交通流量數據作為樣本，進行了三種不同的MATLAB仿真:1,使用傳統的BP神經網絡模型進行仿真，并通過使用不同數目的隱層神經元數目得出不同的誤差精度，以此來選擇可以使得誤差精度較高的隱層神經元數目;2,使用改進的BP神經網絡模型進行仿真，采