基于卡爾曼濾波和小波神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測研究.pdf

1、隨著城市化進程的加快,人們的生活水平逐步提高,機動車的數(shù)量也與日俱增,給城市交通帶來巨大的挑戰(zhàn)。在現(xiàn)有路況條件下,提高對交通的控制管理水平,合理使用現(xiàn)有交通設(shè)施,充分發(fā)揮其潛力,是解決交通擁堵問題行之有效的方法之一。能否準(zhǔn)確地對城市道路交通流進行預(yù)測,便成為智能交通系統(tǒng)(Intelligent Transportation System,ITS)關(guān)鍵解決的問題之一。因此研究短時道路交通流預(yù)測理論具有重要的現(xiàn)實意義。
　　 道路短

2、時交通流預(yù)測理論是在現(xiàn)有條件下解決道路擁擠突出矛盾,有效管控交通的重要理論方法。傳統(tǒng)的預(yù)測方法有求和自回歸移動平均模型,非參數(shù)回歸模型等。現(xiàn)在比較新的預(yù)測研究方法主要有支持向量機模型,混沌預(yù)測模型,人工神經(jīng)網(wǎng)絡(luò)模型以及基于多種模型特點集成的組合預(yù)測等。但各種理論模型多具有自身的特點與缺陷。如:非參數(shù)回歸方法雖然結(jié)構(gòu)較簡單,但該方法是基于尋找近鄰的復(fù)雜性,在出現(xiàn)大數(shù)據(jù)量的情況下實際應(yīng)用受到限制。傳統(tǒng)神經(jīng)網(wǎng)絡(luò)存在訓(xùn)練速度慢,且有時出現(xiàn)不收斂

3、的狀況。
　　 將卡爾曼濾波理論和小波神經(jīng)網(wǎng)絡(luò)理論應(yīng)用于短時交通流的預(yù)測,是通過卡爾曼濾波對數(shù)據(jù)流的濾波作用,去除數(shù)據(jù)信息中存在的白噪音,通過小波神經(jīng)網(wǎng)絡(luò)結(jié)合的小波變換良好的時頻局域化性質(zhì)以及神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)的功能,完成對相關(guān)樣本的訓(xùn)練和預(yù)測。因此,本論文將卡爾曼濾波理論和小波神經(jīng)網(wǎng)絡(luò)理論引入道路短時交通流預(yù)測中。
　　 本文主要工作如下:
　　 首先,用卡爾曼濾波理論對道路短時交通流進行濾波處理,形成良好的訓(xùn)練樣

4、本。
　　 其次,詳細(xì)研究了小波神經(jīng)網(wǎng)絡(luò)交通流預(yù)測模型的中小波基函數(shù)選擇,參數(shù)設(shè)定、模型建立,算法設(shè)計等。同時針對以往小波神經(jīng)網(wǎng)絡(luò)模型易出現(xiàn)陷入局部極小或不收斂等問題進行了算法的改進和優(yōu)化,提高了模型預(yù)測的性能,通過訓(xùn)練仿真驗證了其預(yù)測的效果。
　　 最后,通過對城市道路交叉口在高峰時段的車流狀況進行實測,結(jié)合卡爾曼濾波和小波神經(jīng)網(wǎng)絡(luò)模型對交通流數(shù)據(jù)樣本進行訓(xùn)練和仿真,根據(jù)仿真分析與比較,將基于卡爾曼濾波和小波神經(jīng)網(wǎng)絡(luò)模