基于Elman神經網絡的短時交通流預測及應用研究.pdf

1、近年來，隨著我國經濟的快速發(fā)展和城市的持續(xù)繁榮，人均汽車擁有量與日俱增，全國大、中、小城市均面臨著不同程度的交通擁堵、交通安全、能源消耗、環(huán)境污染等問題，嚴重影響了城市生活的質量和城市經濟的可持續(xù)發(fā)展。加快城市交通系統(tǒng)建設、大力發(fā)展智能交通，已經成為新時代城市的共同呼喚。作為實現(xiàn)智能交通控制和誘導的關鍵環(huán)節(jié)，實時準確的短時交通流預測及其應用研究對提高現(xiàn)有交通路網的通行效率，解決當前城市交通問題具有非常重要的理論價值和指導意義。
　

2、　本文選擇短時交通流預測和基于車流量的城市交叉口交通信號優(yōu)化控制為研究對象，采用改進粒子群算法(IPSO)優(yōu)化Elman神經網絡的方法實現(xiàn)了對短時交通流的預測，基于預測結果，利用輪詢控制模型優(yōu)化分析了交叉口交通燈配時方案。根據實際交通流數據進行仿真實驗，結果表明該預測方法和交通燈配時方案能有效提高短時交通流的預測精度和城市交叉口的通行能力。
　　論文進行的主要工作有:
　　針對短時交通流的高度非線性、隨機性、相關性等特點，在

3、對比分析傳統(tǒng)預測方法和新型智能預測方法的優(yōu)缺點后選擇具有高度非線性映射能力、良好的學習能力和動態(tài)變化能力的Elman神經網絡作為預測方法，并采用IPSO算法與Elman神經網絡相結合，使二者優(yōu)勢互補，改善了傳統(tǒng)神經網絡收斂速度慢和容易陷入局部極小值的缺點。
　　采用IPSO算法優(yōu)化Elman神經網絡的連接權值和閾值，建立了基于IPSO-Elman神經網絡的短時交通流預測模型，通過對采集到的交通流數據在時間和空間上的周期性及變化規(guī)律