交通流預(yù)測(cè)與配流的研究.pdf

1、目前,作為解決交通擁擠問(wèn)題最適宜的方法——交通誘導(dǎo)及交通配流成為智能交通系統(tǒng)研究的關(guān)鍵問(wèn)題.該文將神經(jīng)網(wǎng)絡(luò)應(yīng)用到交通流預(yù)測(cè)中.在分析傳統(tǒng)神經(jīng)網(wǎng)絡(luò)缺陷基礎(chǔ)上,運(yùn)用線性獨(dú)立函數(shù)構(gòu)建了智能神經(jīng)元模型,并對(duì)這種神經(jīng)元的知識(shí)存儲(chǔ)能力進(jìn)行了理論分析.分析表明這種智能神經(jīng)元較普通神經(jīng)元具有更高的知識(shí)存儲(chǔ)能力,從而使整個(gè)神經(jīng)網(wǎng)絡(luò)的信息處理能力得到大大增強(qiáng).文中將這種智能神經(jīng)元組成的神經(jīng)網(wǎng)絡(luò)應(yīng)用于交通流預(yù)測(cè),對(duì)大連市實(shí)測(cè)交通流數(shù)據(jù)進(jìn)行了預(yù)測(cè)分析.實(shí)驗(yàn)結(jié)果

2、表明由這種智能神經(jīng)元組成的神經(jīng)網(wǎng)絡(luò)具有更高的收斂速度和精度,預(yù)測(cè)效果遠(yuǎn)遠(yuǎn)優(yōu)于常規(guī)BP網(wǎng)絡(luò),達(dá)到實(shí)測(cè)路況交通流預(yù)測(cè)所需精度及收斂速度,具有較高實(shí)用價(jià)值.文中還給出了行程時(shí)間推算和路徑優(yōu)化的方法,提供了交通誘導(dǎo)的全套解決方案.在智能交通系統(tǒng)研究的推動(dòng)下,使得動(dòng)態(tài)交通分配理論成為研究熱點(diǎn).作為一種新的全局優(yōu)化搜索算法,遺傳算法得到廣泛應(yīng)用.在上述理論基礎(chǔ)上,實(shí)現(xiàn)了最優(yōu)控制動(dòng)態(tài)交通分配的主從式并行遺傳算法,并在基于分布式存儲(chǔ)和消息傳遞體系結(jié)構(gòu)的

3、曙光機(jī)群系統(tǒng)下,應(yīng)用并行編程環(huán)境PVM下master/slave模式完成了上述算法.文中還應(yīng)用具體網(wǎng)絡(luò)算例測(cè)試了該優(yōu)化模型,取得了較好的系統(tǒng)運(yùn)行指標(biāo)和并行效率.網(wǎng)格計(jì)算的目標(biāo)是將跨地域的多臺(tái)高性能計(jì)算機(jī)、大型數(shù)據(jù)庫(kù)、科研設(shè)備、通信設(shè)備以及其他潛在的計(jì)算資源整合成一個(gè)巨大的超級(jí)計(jì)算機(jī)系統(tǒng),支持科學(xué)計(jì)算和科學(xué)研究.該文在介紹網(wǎng)格計(jì)算基本理論基礎(chǔ)上,在現(xiàn)有硬件環(huán)境下架構(gòu)了Globus試驗(yàn)平臺(tái),并在Globus網(wǎng)格環(huán)境下測(cè)試了最短路徑問(wèn)題的并行