城市中心區(qū)路網(wǎng)的短時(shí)交通流預(yù)測(cè)研究.pdf

1、隨著經(jīng)濟(jì)發(fā)展和社會(huì)不斷城市化，交通擁堵以及交通污染等問題日益嚴(yán)重，所以作為交通誘導(dǎo)以及交通控制系統(tǒng)決策支持的短時(shí)交通流預(yù)測(cè)研究就顯得格外重要。
　　本文重點(diǎn)分析了國(guó)內(nèi)外在短時(shí)交通流預(yù)測(cè)領(lǐng)域的研究，總結(jié)了短時(shí)交通流不確定性，周期性以及非線性等特點(diǎn)，建立了基于統(tǒng)計(jì)理論的時(shí)間序列預(yù)測(cè)模型，以及基于人工智能發(fā)展起來(lái)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型和基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。最后采用實(shí)際交通流數(shù)據(jù)對(duì)預(yù)測(cè)模型進(jìn)行仿真實(shí)驗(yàn)和精度檢驗(yàn)，考慮短時(shí)交

2、通流時(shí)間序列的相關(guān)性以及周期性對(duì)ARIMA預(yù)測(cè)模型精度影響，在其基礎(chǔ)上提出了乘法季節(jié)ARIMA模型并進(jìn)行應(yīng)用分析;針對(duì)BP神經(jīng)網(wǎng)絡(luò)隱含層數(shù)難以確定的難題，采用了多次預(yù)測(cè)選取最優(yōu)進(jìn)行模型結(jié)構(gòu)選擇和應(yīng)用;以遺傳算法解決BP神經(jīng)網(wǎng)絡(luò)權(quán)值尋優(yōu)，并對(duì)基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行仿真應(yīng)用。通過對(duì)比三種不同預(yù)測(cè)模型在同一數(shù)據(jù)集的預(yù)測(cè)誤差，發(fā)現(xiàn)乘法季節(jié)ARIMA模型優(yōu)于BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，但基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型相比于其他模型顯