融合時(shí)空信息的短時(shí)交通流預(yù)測(cè).pdf

1、交通流誘導(dǎo)與控制系統(tǒng)作為一種精細(xì)化和智慧化的交通管理方式，其實(shí)現(xiàn)基礎(chǔ)在于實(shí)時(shí)、動(dòng)態(tài)和精準(zhǔn)的短時(shí)交通流預(yù)測(cè)。城市道路網(wǎng)絡(luò)交通流具有嚴(yán)密的時(shí)空邏輯關(guān)系，從理論上來(lái)講，只有充分融合預(yù)測(cè)點(diǎn)及其上下游關(guān)聯(lián)點(diǎn)交通流的時(shí)空運(yùn)動(dòng)信息才能準(zhǔn)確還原和模擬交通流的真實(shí)運(yùn)動(dòng)特性。同時(shí)考慮到由于歷史或現(xiàn)實(shí)因素影響，許多城市無(wú)法提供長(zhǎng)期完善的交通流歷史數(shù)據(jù)庫(kù)，因此需要建立一種小樣本數(shù)據(jù)條件下的短時(shí)交通流預(yù)測(cè)模型。本文的研究工作正是基于以上兩點(diǎn)展開。
　　論文

2、首先總結(jié)分析了當(dāng)前主流交通流預(yù)測(cè)模型，指出以模型融合為主的混合模型和融合時(shí)空信息的復(fù)合預(yù)測(cè)模型是目前交通流預(yù)測(cè)的研究重點(diǎn)，同時(shí)通過(guò)分析對(duì)本文所采用的預(yù)測(cè)模型進(jìn)行了選定;其次，詳細(xì)闡述了城市路網(wǎng)交通流時(shí)空流動(dòng)關(guān)系，給出融合時(shí)空信息的短時(shí)交通流預(yù)測(cè)原理，明確將預(yù)測(cè)點(diǎn)及其上下游直接關(guān)聯(lián)點(diǎn)作為系統(tǒng)分析對(duì)象;然后，為了降低輸入維度，過(guò)濾無(wú)效信息，利用改進(jìn)的灰色綜合關(guān)聯(lián)度法從直接關(guān)聯(lián)點(diǎn)中篩選出對(duì)預(yù)測(cè)點(diǎn)起主要影響作用的強(qiáng)關(guān)聯(lián)點(diǎn);構(gòu)造了改進(jìn)的灰色Elm

3、an神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)算法，融合灰色理論與Elman神經(jīng)網(wǎng)絡(luò)模型，針對(duì)Elman網(wǎng)絡(luò)對(duì)高階系統(tǒng)辨識(shí)能力不足的問(wèn)題，對(duì)網(wǎng)絡(luò)結(jié)構(gòu)加以改進(jìn)，加強(qiáng)網(wǎng)絡(luò)對(duì)交通流動(dòng)態(tài)性的反映;構(gòu)造了改進(jìn)的NPSO-GRNN的預(yù)測(cè)算法，引入小生境技術(shù)的同時(shí)對(duì)慣性權(quán)重和學(xué)習(xí)因子加以改進(jìn)，革除了傳統(tǒng)PSO算法中常見的“局部最優(yōu)解”和“早熟”收斂的弊端，利用改進(jìn)的NPSO算法建立針對(duì)GRNN網(wǎng)絡(luò)參數(shù)光滑因子的最優(yōu)化模型，提高模型預(yù)測(cè)性能。
　　通過(guò)仿真試驗(yàn)，可以發(fā)現(xiàn)在小