基于BP人工神經(jīng)網(wǎng)絡(luò)的短期交通預(yù)測研究.pdf

1、短期交通預(yù)測是交通控制、車輛導航等領(lǐng)域需要解決的重要問題之一。研究交通預(yù)測的理論和方法，從而實現(xiàn)比較準確地預(yù)測未來15分鐘或更長一段時間內(nèi)道路上的交通狀況，對于緩解城市交通堵塞、避免社會資源的浪費有著重要的意義和應(yīng)用價值。 城市快速路作為城市路網(wǎng)中的主要經(jīng)脈，承擔了城市中大部分的長距離交通，快速路的交通狀況在相當程度上影響著城市的出行質(zhì)量。在智能交通系統(tǒng)的大背景下，如何利用豐富的交通檢測數(shù)據(jù)，對未來的交通流狀態(tài)，特別是在城市中處

2、于重要地位的快速路的交通狀態(tài)進行預(yù)測，對于提高交通運輸效率，特別是物流配送企業(yè)的效率具有重要的理論意義和實用價值。 起源于上世紀四十年代的人工神經(jīng)網(wǎng)絡(luò)(ANN)是人工智能的一個分支，它在很多領(lǐng)域得到了廣泛的應(yīng)用。神經(jīng)網(wǎng)絡(luò)能學習貯存以往的歷史經(jīng)驗知識，并能外推到未來，這是神經(jīng)網(wǎng)絡(luò)用于預(yù)測領(lǐng)域的理論依據(jù)。對于非線性的時間序列預(yù)測，神經(jīng)網(wǎng)絡(luò)比其他數(shù)學模型更有效和精確度更高。本文基于路段上的實時的觀測交通流數(shù)據(jù)，利用BP人工神經(jīng)網(wǎng)絡(luò)方法

3、，結(jié)合信號處理技術(shù)，對城市快速路段上未來24小時單點的交通流速度預(yù)測算法進行了研究。具體包括以下工作：對快速路段上的交通數(shù)據(jù)進行了預(yù)處理。包括應(yīng)用交通流閾值法、交通流機理法對交通數(shù)據(jù)進行了奇異點的剔除，應(yīng)用數(shù)值差分法對丟失數(shù)據(jù)進行了估計；應(yīng)用了小波分析理論對數(shù)據(jù)序列進行了濾噪處理，在盡可能保證原始數(shù)據(jù)的特征的情況下，有效地過濾掉噪聲數(shù)據(jù)的干擾。 利用BP人工神經(jīng)網(wǎng)絡(luò)的相關(guān)理論和方法對交通速度數(shù)據(jù)進行了訓練和預(yù)測，在輸入變量中考慮