基于卡尔曼滤波和小波神经网络的短时交通流预测研究.pdf

摘要随着城市化进程的加快,人们的生活水平逐步提高,机动车的数量也与�阍觯��城市交通带来巨大的挑战。在现有路况条件下,提高对交通的控制管理水平,合理使用现有交通设施,充分发挥其潜力,是解决交通拥堵问题行之有效的方法之一。能否准确地对城市道路交通流进行预测,便成为智能交通系统��������关键解决的问题之一。因此研究短时道路交通流预测理论具有重要的现实意义。道路短时交通流预测理论是在现有条件下解决道路拥挤突出矛盾,有效管控交通的重要理论方法。传统的预测方法有求和自回归移动平均模型,非参数回归模型等。现在比较新的预测研究方法主要有支持向量机模型,混沌预测模型,人工神经网络模型以及基于多种模型特点集成的组合预测等。但各种理论模型多具有自身的特点与缺陷。如:非参数回归方法虽然结构较简单,但该方法是基于寻找近邻的复杂性,在出现大数据量的情况下实际应用受到限制。传统神经网络存在训练速度慢,且有时出现不收敛的状况。将卡尔曼滤波理论和小波神经网络理论应用于短时交通流的预测,是通过卡尔曼滤波对数据流的滤波作用,去除数据信息中存在的白噪音,通过小波神经网络结合的小波变换良好的时频局域化性质以及神经网络自学习的功能,完成对相关样本的训练和预测。因此,本论文将卡尔曼滤波理论和小波神经网络理论引入道路短时交通流预测中。本文主要工作如下:首先,用卡尔曼滤波理论对道路短时交通流进行滤波处理,形成良好的训练样本。其次,详细研究了小波神经网络交通流预测模型的中小波基函数选择,参数设定、模型建立,算法设计等。同时针对以往小波神经网络模型易出现陷入局部极小或不收敛等问题进行了算法的改进和优化,提高了模型预测的性能,通过训练仿真验证了其预测最后,通过对城市道路交叉口在高峰时段的车流状况进行实测,结合卡尔曼滤波和小波神经网络模型对交通流数据样本进行训练和仿真,根据仿真分析与比较,将基于卡尔曼滤波和小波神经网络模型、�神经网络模型和��窬��缒P偷脑げ庑阅芙��了全面的比较。研究结果表明本文方法在交通流预测准确性、领域的可行性,且预测精度较高。关键词:智能交通系统;卡尔曼滤波;人工神经网络;小波神经网络论文类型:应用技术研究兰州交通人学硕�费�宦畚�的效果。���,�������
琻������������瑃�������������琾������������������������.���������������,����閏��瓾����������.���.基于卡尔曼滤波和小波神经网络的短时交通流预测研究田地���畉�����琻���������,������,������,�����.�����瑂�����������.���錭���������.�����,������,���’����,�������痵������,���,����畉����·����������.���猼������瑃�����甇�������.����.一���騦�
篒�����兰州交通大学硕士学位论文���.�����琲�����������,����������琄�������琾���������,������,������.����琣�����瑃����瓵�������.���������������,—������,������琺����琣����
髀���论文研究的目的和意义随着经济全球化、一体化趋势的不断加强和当今信息化技术的不断进步,人们的交通需求日益增加,随之而来的交通堵塞、交通环境恶化等现实问题便成为世界各国政府和相关交通研究工作者急需关注和解决的问题。我国最新“国家中长期科学与技术发展规划纲要”中明确提出了从“十一五”开局的��年到��年我国交通科技发展的宏伟战略目标,并提出了要发展完善的综合运输系统,并适时解决大城市交通拥堵、交通安全以及交通能源和环境等三个热点问题。发展智能交通系统是缓解当今交通拥堵、减少污染物排放和避免交通事故发生最行之有效的方法之一,作为基础理论研究的交通信息智能预测,便成为人们在探索解决全球性交通难题时的探索方法之一。智能交通系统���������,��是在关键基础理论模型研究的前提下,以缓解道路拥堵和降低交通事故,提高交通舒适和便利程度,把先进信息技术、电子控制技术、数据通信技术和电子定位控制技术等有机结合,进而建立起全方位、宽范围、高效率、智能化的交通运输分析与选线管理系统的总称。交通信息智能预测,是指以历史的、现有的交通及相关因素的调查统计资料为依据,运用智能化的计算方法,对目标区域交通系统未来状况的测定。对于交通量信息预测的重要性体现在【�浚����钦莆盏胤浇煌ㄔ耸湟捣⒄固�疲�贫ń煌ㄔ耸湟迪喙胤⒄拐铰院驼�叩闹����墙�谐鞘谢蚯�蚪煌ü婊�闹匾9ぷ髂谌荩�饕L逑衷诙陨缁峋�谩⒊鲂�发生等方面的预测。���峭馔莆蠢唇煌�鞅浠�