基于小波網(wǎng)絡(luò)的交通預(yù)測(cè)和道路擇優(yōu)的研究.pdf

1、隨著智能交通系統(tǒng)的快速發(fā)展，智能交通的實(shí)時(shí)、準(zhǔn)確、高效的控制儼然已成為智能交通系統(tǒng)中的重要部分。交通流量預(yù)測(cè)作為智能交通系統(tǒng)的基礎(chǔ)，可對(duì)交通誘導(dǎo)，道路擁堵預(yù)警以及最優(yōu)路徑的選擇提供有效的參考數(shù)據(jù)。預(yù)測(cè)的精確性直接影響交通管理和控制的成效。
　　同時(shí)，由于道路擁堵現(xiàn)象的存在，選擇出合適的駕駛路徑，節(jié)約駕駛時(shí)間也顯得格外重要。目前，汽車導(dǎo)航越來(lái)越普及，但并不能為人類智能的選擇出耗時(shí)最短的路徑，因此，提供最優(yōu)行駛路徑對(duì)交通誘導(dǎo)意義重大。

2、
　　針對(duì)提高交通流量預(yù)測(cè)的準(zhǔn)確性，本文對(duì)采集的原始交通流數(shù)據(jù)進(jìn)行整理分析與判斷后，在誤差前向反饋算法以及神經(jīng)網(wǎng)絡(luò)遺傳算法分析的基礎(chǔ)上，確定了小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。然后通過(guò)改進(jìn)的三段式遺傳算法對(duì)神經(jīng)網(wǎng)絡(luò)的權(quán)值進(jìn)行初始化，并由遺傳算法得出的最優(yōu)個(gè)體解碼作為小波神經(jīng)的權(quán)值及因子，在此基礎(chǔ)上構(gòu)建出小波神經(jīng)網(wǎng)絡(luò)。最后利用建立的小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)出交通流量值，并對(duì)預(yù)測(cè)誤差進(jìn)行分析，采用Dijkstra算法確定出用時(shí)最短的最優(yōu)路徑后，利用MFC對(duì)