城市道路交通流量短時預(yù)測研究.pdf

1、近年來，隨著智能交通系統(tǒng)的蓬勃快速發(fā)展，交通控制和交通流誘導(dǎo)作為智能交通系統(tǒng)的重要組成部分，已成為交通管理部門疏導(dǎo)城市道路交通的有效途徑，交通控制和交通流誘導(dǎo)已然成為智能交通系統(tǒng)(ITS)的熱門研究對象。準(zhǔn)確、合理、科學(xué)地預(yù)測城市道路交通狀況是交通控制和交通流誘導(dǎo)的關(guān)鍵技術(shù)，要完成對道路交叉路口和斷面未來時刻的交通流量動態(tài)預(yù)測工作，需要充分利用歷史交通流數(shù)據(jù)信息和實時交通流數(shù)據(jù)信息為出行者提供較為可靠的出行依據(jù)，因此，研究交通流量的變化

2、規(guī)律，并對未來時刻交通量或發(fā)展趨勢進(jìn)行實時、準(zhǔn)確、科學(xué)合理地預(yù)測，對于進(jìn)行交通規(guī)劃、交通誘導(dǎo)、交通管理、交通控制與安全等都具有非常重要的意義。本學(xué)位論文的主要研究成果包括：
　　首先，對道路交通流量短時預(yù)測的研究背景和研究意義進(jìn)行了陳述，進(jìn)一步介紹了國內(nèi)外已存在的交通流量預(yù)測方法的優(yōu)勢及不足。之后結(jié)合調(diào)研的實際交通流量數(shù)據(jù)，分析了交通流量在時間和空間的分布特征。針對道路交通流量的非線性、時變性和不確定性等特點，結(jié)合神經(jīng)網(wǎng)絡(luò)具有分布

3、式處理、自組織、自適應(yīng)、自學(xué)習(xí)的良好特性，提出了基于神經(jīng)網(wǎng)絡(luò)的道路交通流量預(yù)測模型進(jìn)行預(yù)測分析。
　　再次，結(jié)合具體實例，建立了基于BP、RBF和GRNN三種神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測模型，利用MATLAB平臺分別對預(yù)測路段的交通流量進(jìn)行預(yù)測。通過大量實際采樣數(shù)據(jù)的預(yù)測驗證，對比分析三種模型的仿真結(jié)果，得出道路交通流量短時預(yù)測方法的研究結(jié)果：預(yù)測精確度比較分析，使用GRNN神經(jīng)網(wǎng)絡(luò)模型得到的預(yù)測結(jié)果在精確度方面表現(xiàn)不如BP神經(jīng)網(wǎng)絡(luò)和R