高速公路短時交通流預測及控制研究.pdf_第1頁
已閱讀1頁,還剩55頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著經(jīng)濟的發(fā)展和城市規(guī)模的擴大,高速公路的運營管理面臨更高的要求和挑戰(zhàn)。交通系統(tǒng)是一個巨系統(tǒng),具有顯著的復雜性、動態(tài)性、隨機性等特點,準確地預測交通流量是智能交通系統(tǒng)的關(guān)鍵所在。本文主要研究了高速公路短時段交通流的預測和控制問題,為高速公路控制設計提供數(shù)據(jù)挖掘服務。 在交通流預測方面,針對交通流的非線性、復雜性等特點,本文通過對各類預測方法的分析總結(jié),得知諸如線性回歸之類的線性模型不適合解決此類問題,而相空間重構(gòu)技術(shù)、神經(jīng)網(wǎng)絡等

2、智能理論為解決此類建模和系統(tǒng)仿真提供了有利的工具。本文首先分析了交通流的混沌特性,采用時間延遲技術(shù)重構(gòu)出與原系統(tǒng)幾何上等價的相空間。目前提出的重構(gòu)算法在具體實現(xiàn)過程中均存在矛盾,本文通過固定時間窗口的方法來確定時間延遲和嵌入維數(shù)以實現(xiàn)相空間重構(gòu)。同時建立了改進加權(quán)一階局域算法模型,根據(jù)與參考點相似的相點演化規(guī)律不斷調(diào)整權(quán)值,實現(xiàn)高速公路交通流單步甚至多步預測。在利用神經(jīng)網(wǎng)絡建立預測模型時,本文根據(jù)交通流的歷史相似性提出了兩種預測方案,建

3、立模型的難點是隱層單元數(shù)和調(diào)節(jié)率的確定。兩者對網(wǎng)絡預測精度和收斂速度有很大的影響,此處采用遺傳算法對改進的BP網(wǎng)絡預測模型進行尋優(yōu)。通過兩類方法的對比分析得到,本文得出利用遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡模型能夠較好的預測交通量。 在高速公路的控制方面,選取了入口匝道控制的方式。本文綜述了模糊控制和神經(jīng)網(wǎng)絡,建立了高速公路入口匝道控制的數(shù)學模型,把模糊控制和神經(jīng)網(wǎng)絡的算法結(jié)合起來實現(xiàn)入口匝道的智能控制。該算法可以在線調(diào)節(jié)模糊神經(jīng)網(wǎng)絡參數(shù)以

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論