基于浮動(dòng)車數(shù)據(jù)的城市道路交通狀態(tài)預(yù)測(cè)研究.pdf

1、近些年，城市道路交通擁擠問題日益嚴(yán)重，影響著人們?nèi)粘Ｉ?。尤其在上班高峰期、下班高峰期等用車高峰時(shí)段，道路擁堵現(xiàn)象會(huì)極其嚴(yán)重。然而此時(shí)并不是所有道路都處于擁堵狀態(tài)，通過對(duì)城市道路交通狀態(tài)的預(yù)測(cè)，可以掌握路況信息，能夠最大效率地利用城市道路資源，緩解擁堵道路上的交通壓力。因此，集合多種先進(jìn)技術(shù)的智能交通系統(tǒng)逐漸成為解決城市道路擁堵問題的關(guān)鍵途徑。城市道路交通狀態(tài)預(yù)測(cè)是智能交通系統(tǒng)中交通控制和交通誘導(dǎo)的關(guān)鍵。
　　在查閱總結(jié)大量文獻(xiàn)與

2、資料后，論文提出城市道路交通狀態(tài)預(yù)測(cè)模型，該模型包括城市道路的速度預(yù)測(cè)以及城市道路交通狀態(tài)判別。通過比較用于交通流預(yù)測(cè)的相關(guān)模型后，論文建立基于改進(jìn)粒子群算法的BP神經(jīng)網(wǎng)絡(luò)的城市道路速度預(yù)測(cè)模型。在經(jīng)典粒子群算法中引入遺傳算法中“交叉”與“變異”概念，改進(jìn)后的算法可以克服經(jīng)典算法的較容易陷進(jìn)局部最優(yōu)值等問題。再利用改進(jìn)的粒子群算法對(duì)經(jīng)典BP神經(jīng)網(wǎng)絡(luò)的連接權(quán)值和閾值的賦值進(jìn)行優(yōu)化，使神經(jīng)網(wǎng)絡(luò)具有更高的精度。針對(duì)城市道路交通狀態(tài)判別，論文建