交通量預(yù)測(cè)理論與方法研究.pdf

1、交通運(yùn)輸業(yè)的健康快速發(fā)展，促進(jìn)了物質(zhì)交流和人們的往來(lái)，提高了工作效率。但由于人們的需求和交通工具的增長(zhǎng)速度遠(yuǎn)遠(yuǎn)高于道路和其它交通設(shè)施的增長(zhǎng)，隨之引起交通擁擠、道路阻塞、環(huán)境污染、交通事故頻發(fā)等一系列交通問(wèn)題，造成了巨大的物質(zhì)與經(jīng)濟(jì)損失。研究交通量的變化規(guī)律，并對(duì)未來(lái)時(shí)刻交通量或發(fā)展趨勢(shì)進(jìn)行實(shí)時(shí)、準(zhǔn)確、科學(xué)合理地預(yù)測(cè)，對(duì)于進(jìn)行交通規(guī)劃、交通誘導(dǎo)、交通管理、交通控制與安全等都具有十分重要的意義，交通量預(yù)測(cè)已成為交通工程領(lǐng)域重點(diǎn)研究課題。

2、r>　　 本學(xué)位論文對(duì)交通量預(yù)測(cè)理論和方法進(jìn)行了系統(tǒng)研究。主要研究成果包括：
　　 1、針對(duì)卡爾曼濾波預(yù)測(cè)精度取決于準(zhǔn)確反映系統(tǒng)初始狀態(tài)的程度，論文提出了交通量的一種基于相空間重構(gòu)的卡爾曼濾波預(yù)測(cè)方法，即先用相空間重構(gòu)技術(shù)對(duì)交通量時(shí)間序列進(jìn)行相空間重構(gòu)，然后在重構(gòu)后的相空間上應(yīng)用卡爾曼濾波計(jì)算方法對(duì)交通量時(shí)間序列進(jìn)行跟蹤預(yù)測(cè)。仿真結(jié)果表明該方法提高了預(yù)測(cè)的精度；論文將蟻群算法和神經(jīng)網(wǎng)絡(luò)結(jié)合起來(lái)，利用蟻群算法訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)的權(quán)

3、值，提出了基于蟻群神經(jīng)網(wǎng)絡(luò)的交通量預(yù)測(cè)方法，該方法兼有神經(jīng)網(wǎng)絡(luò)的廣泛映射能力和蟻群算法的快速、全局收斂以及啟發(fā)式學(xué)習(xí)等特點(diǎn)，實(shí)例表明該方法的有效性；針對(duì)選擇嵌入維數(shù)不當(dāng)和系統(tǒng)內(nèi)在隨機(jī)性給預(yù)測(cè)帶來(lái)的影響，論文提出了交通量的多變量相空間重構(gòu)的預(yù)測(cè)方法，該方法采用多變量時(shí)間序列進(jìn)行高維重構(gòu)，更多地利用了復(fù)雜系統(tǒng)中各變量之間相互藕合的關(guān)系，增加了重構(gòu)的信息量，從而達(dá)到提高預(yù)測(cè)精度的目的；
　　 2、針對(duì)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法往往需要大量的訓(xùn)練

4、樣本，而且網(wǎng)絡(luò)結(jié)構(gòu)人為因素較多，從而影響了交通流量預(yù)測(cè)的實(shí)時(shí)性和準(zhǔn)確性的問(wèn)題，論文通過(guò)自組織形式構(gòu)建了GMDH網(wǎng)絡(luò)，并嘗試將它應(yīng)用于交通流量預(yù)測(cè)研究，建立了基于GMDH網(wǎng)絡(luò)的交通流量預(yù)測(cè)模型。由于GMDH網(wǎng)絡(luò)訓(xùn)練無(wú)需大量的先驗(yàn)知識(shí)，網(wǎng)絡(luò)結(jié)構(gòu)有自組織和全局選優(yōu)的特性，因而保證了利用GMDH網(wǎng)絡(luò)建立的短時(shí)交通流量預(yù)測(cè)模型具有較好的性能；
　　 3、針對(duì)最小二乘法在GMDH網(wǎng)絡(luò)部分描述式系數(shù)辨識(shí)中的不足，論文在GMDH網(wǎng)絡(luò)的基礎(chǔ)上，將

5、模糊推理模型引入GMDH網(wǎng)絡(luò)，以取代傳統(tǒng)GMDH網(wǎng)絡(luò)的部分描述（即完全二元二次多項(xiàng)式），提出了一種基于模糊GMDH網(wǎng)絡(luò)的交通流量預(yù)測(cè)模型，計(jì)算機(jī)仿真結(jié)果表明，模型的預(yù)測(cè)精度有較大的提高；
　　 4、針對(duì)傳統(tǒng)GMDH網(wǎng)絡(luò)建模用最小二乘法來(lái)辨識(shí)參數(shù)，常常導(dǎo)致模型預(yù)測(cè)效果不理想的問(wèn)題，論文將遺傳算法引入GMDH網(wǎng)絡(luò)，建立了基于遺傳算法的GMDH網(wǎng)絡(luò)模型。由于遺傳算法是一種有效的搜索和優(yōu)化方法，它具有自適應(yīng)搜索、漸進(jìn)式尋優(yōu)、并行式搜索、

6、通用性強(qiáng)等特點(diǎn)，因而所提出的模型具有較好的預(yù)測(cè)效果，通過(guò)計(jì)算機(jī)仿真證明了該結(jié)果。
　　 5、將免疫算法與遺傳算法結(jié)合起來(lái)，引入免疫遺傳算法來(lái)辨識(shí)GMDH網(wǎng)絡(luò)的部分描述式系數(shù)，由于該算法能夠在全局與局部范圍內(nèi)同時(shí)尋優(yōu)，提高了全局尋優(yōu)能力，避免了陷入局部極小等問(wèn)題，使得部分描述式更加精確。由這樣的部分描述式按照GMDH算法得到了系統(tǒng)的完全描述，從而構(gòu)造了基于免疫遺傳算法的GMDH網(wǎng)絡(luò)模型。將該模型用于交通量預(yù)測(cè)，計(jì)算機(jī)仿真結(jié)果說(shuō)明該