2022年交通流量神经网络预测研究报告.docx

《2022年交通流量神经网络预测研究报告.docx》由会员分享，可在线阅读，更多相关《2022年交通流量神经网络预测研究报告.docx（25页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精品学习资源交通流量的神经网络猜测争论 摘要 交通流量猜测问题是交通信息猜测的核心问题，进行交通流量猜测理论体系的争论，对于改善我国交通拥堵问题具有特别重要的学术价值和现实意义；本文在总结国内外争论成果的基础上，对已有的交通流猜测方法进行了分类分析和介绍，并利用神经网络的方法来对交通流量进行猜测分析；基于交通流量的集中分布特点并结合实际交通流量观测数据，我们采纳了分区间段进行数据整理，将BP 神经网络应用于交通流量猜测的过程，通过对比猜测结果，验证了BP 神经网络具有良好的猜测成效； 关键词 交通信息交通流猜测 BP神经网络欢迎下载精品学习资源Research on neural networ

2、k prediction of traffic flowAbstract Trafficflowforecasting isthecoreproblemof trafficinformationprediction, theory system in the prediction of traffic flow,is very important forimprovingourcountrytrafficcongestion has academicvalueandpracticalsignificance.Th ispaper basedonsummarizing thedomestican

3、dforeignresearchresults,analyzes and introduces theexisting trafficflowforecastingmethods, andanalysistopredictthe trafficflow byneural network.basedoncentralized distributionof traffic flow andcombinedwith the actual trafficflow data.We use the inter partition of data processing during the process

4、of BP neural networkcan be used to traffic flow predictionby comparing the predicted results ,proves that BP neural network has the good forecast effect.Keywords TrafficInformationTrafficflowPredictionBPneuralnetwork欢迎下载精品学习资源目录1 引言 11.1 争论背景 11.2 交通流量猜测及必要性 11.3 交通流量猜测的争论现状 21.4 本文的争论内容及意义2 2 交通流猜测

5、方法争论 32.1 交通流猜测综述 32.1.1 交通流猜测的争论内容32.1.2 交通流猜测流程 32.1.3 争论方法分类 42.2 典型方法介绍 52.2.1 常规猜测方法 52.2.2 智能猜测方法 53 人工神经网络介绍 63.1 人工神经网络进展阶段及特点 63.1.1 人工神经网络国内外争论背景 63.1.2 人工神经网络特点 73.2 人工神经网络基本原理 83.2.1 人工神经元模型 83.2.2 激活函数 8 3.3BP 神经网络 94 基于 BP神经网络的交通流量猜测 104.1 猜测实例描述 114.1.1 小时交通流量猜测分析 114.1.2 日交通流量猜测分析 13

6、5 本章小结 17致谢语 18 参考文献 19欢迎下载精品学习资源1 引言1.1 争论背景随着国民经济的进展和城市化步伐的快速加快，机动车保有量快速增加；而在这快速增加的机动车中，私车的比例也越来越高，这是导致交通拥堵问题越来越严峻的缘由之一；国内各城市出现的交通拥堵、交通安全多隐患、交通信息缺乏不仅给出行者的出行带来延误，更重要的是对整个区域经济的进一步进展产生阻力，从而影响整体国民经济的进展；因此，交通拥堵、交通事故所产生的出行延误已经成为很多先进国家所面临的主要交通问题，自前美国、欧洲等国家由于交通延误引起的经济缺失己经高达 GDP的 2%；据有关资料介绍，我国城市交通拥堵问题日趋严峻，

7、从 1978 年到 1995 年我国城市机动车保有量的增长速度是道路增长速度的80 倍，高峰小时机动车的平均时速低至10km/h，极大地阻碍居民的出行速度和效率；进入二十一世纪以 来，我国机动车的保有量更是快速增加；而由于政策的支持、产业经济进展的需要、逐步富有起来的人们追求更加便利舒服的生活，机动车的不断增加是一个长期趋势；交通供需冲突的长期性、城市空间和建设资金的有限性等严肃形势，打算了不能单一地通过增加交通基础设施来改善城市机动车辆出行的交通状况问题；1.2 交通流量猜测及必要性交通流量是指在选定的时间段内，通过道路某一断面或某一车道的交通实 体数，按交通类型分 : 有机动车交通量、非机

8、动车交通量和行人交通量；交通量随时间和空间的变换而变化，具有时空分布特性；交通规划及设计方案比较与经济分析需要精确的把握将来交通量变化的趋势；城市交通掌握系统在进行主干线和谐掌握、区域和谐掌握时，必需提前预欢迎下载精品学习资源测进入下游交叉口的交通量；对出行车辆进行交通诱导要以实时精确的交通量猜测为前提；因此，争论或观看交通量的变化规律，并对将来时刻交通量或进展趋势进行科学合理地猜测，对于进行交通规划、交通诱导、交通治理、交通掌握与安全等，均具有重要的意义；基于 BP神经网络的城市交通流量猜测与路口分析，己成为交通工程领域重点争论课题 1；1.3 交通流量猜测的争论现状何伟在模糊神经网络在交通

9、流量猜测中的应用争论中，在混沌相空间 重构理论基础上 , 争论了自适应神经模糊推理系统Adaptive Neural FuzzyInference System, ANFIS和基于神经网络集成的T-STakagi-Sugeno 系统这两种模糊神经网络 , 随后将其应用于交通流量猜测实例分析2 ；李存军在基于集成神经网络的城市道路交通流量隔合猜测争论中，以城市道路交叉口为例，对基于集成神经网络的融合交通流量猜测的模型、方法和详细实现途径进 行了争论 3 ；冯明发在粒子群优化RBF 神经网络的短时交通流量猜测中，提出基于粒子群 PSO优化 RBF神经网络的交通流量猜测方法 4 ；韩超在基于时间序列

10、分析的短时交通流量实时自适应猜测中，基于采纳 ARp模型结构的时间序列分析方法，提出一种短时交通流实时自适应猜测算法 5 ；兰云在短时交通流猜测争论提出用小波 Wavelet 将短时交通流数据分解到不同尺度 频率空间，再在各尺度空间分别进行猜测，将猜测的结构综合得到原流量序列的猜测值的方法 6；1.4 本文的争论内容及意义本文将神经网络技术争论与交通信息猜测争论紧密结合，在总结国内外争论成果的基础上，对已有的交通流猜测方法进行了分类分析，并对每种争论的基本方法进行了详细介绍；再次，重点争论了智能猜测中的人工神经网络理论，介绍了神经网络的进展、特点、结构以及学习理论，分析了 BP 神经网络欢迎下

11、载精品学习资源的详细步骤，为交通流猜测的实现奠定了理论基础；最终，结合实际交通流量 观测数据，将 BP神经网络应用于交通流量猜测的过程，通过对比猜测结果，验证了 BP 神经网络具有良好的猜测成效；本课题的争论有着肯定的理论和应用价值；2 交通流猜测方法争论2.1 交通流猜测综述2.1.1 交通流猜测的争论内容常见的交通流猜测是对交通流三大宏观参数，也就是流量、密度和速度进行猜测，在之前多人的争论中，选用流量作为猜测变量的比较多；Dougherty和 Cobbet用三个不同模型对城市道路的三大宏观交通参数进行猜测，得出结论：对交通量和密度的猜测结果比较抱负，对速度的猜测成效较差7 ；Levin和

12、 T sao通过争论，认为交通量的猜测比占有率的猜测更稳固，成效更好8；21.2 交通流猜测流程1）确定猜测目的，制定科学猜测方案从实际需要动身，确定猜测要解决的问题；依据猜测的对象制订科学的猜测方案，包括猜测的目的、对象、范畴界定、猜测方法、时间和资金支配等；2）收集、审核和整理资料精确和详尽的统计资料是交通信息猜测的基础，资料的精确与否直接影响到猜测的精度；得到需要的资料后，第一应对其进行审核与整理；资料的审核主要是审核来源是否牢靠、精确齐备，资料是否具有可比性；资料的整理包括对不精确或个别反常的资料进行查证核实；对不行比的资料调整为可比；对短缺的资料进行估量推算并做标记；对总体资料进行必

13、要的分类组合；3）数据资料分析数据资料分析是猜测方法和猜测模型选取的前提，它是整个猜测过程中的技术重点，数据资料分析的质量将对最终的猜测质量产生影响；数据资料分析欢迎下载精品学习资源的内容包括：猜测对象的可猜测性分析、猜测对象影响因素间的线性或非线性相关性分析等；4）选取猜测方法并建立猜测模型猜测方法的选取和猜测模型的建立以科学的数据资料分析结论为前提；在把握的基础数据不完整、不精确的情形下，一般考虑定性的猜测方法；对于统计间隔较长的交通信息，应选取恰当的宏观交通信息猜测方法；对于具有不同动力学特性的微观交通信息，应分别选取确定性、混沌、随机性的微观交通信息猜测方法；针对选定的猜测模型，仍应依

14、据历史数据进行模型参数估量；5）分析猜测误差，评判猜测成效利用建立的猜测模型，生成从已有数据时间点到将来时间点的猜测值，通过和已有数据进行猜测对比，分析猜测模型的误差及其来源；对于微观交通信息，仍应结合猜测对象的可猜测性质对猜测成效进行评判；确定性微观交通信息本质上具备相对较长的猜测期，混沌微观交通信息本质上只能被短期猜测， 随机性微观交通信息就依据其统计特性，具备肯定的短期可猜测性；、自回来模型AR、滑动平均 MA和历史平均 HA等；这些线性猜测模型考虑因素较简洁，参数一般采纳最小二乘法 LS在线估量；相对而言，运算简洁，易于实时欢迎下载精品学习资源更新数据，便于大规模应用，但这些模型未能反

15、映交通流的不确定性和非线 性，无法克服随机因素对交通流量的影响，所以随着时间间隔的削减，模型的猜测精度就会变差；随着争论的深化，人们又提出了一批更复杂和更高精度的交通流量猜测方法； 其中有自回来综合移动平均 ARIMA模型、自适应权重联合模型、卡尔曼滤波模型、指数平滑模型、各种神经网络模型、非参数回来模型、基于分形的方法等 以及这些模型构成的多种组合猜测模型；2.2 典型方法介绍2.2.1 常规猜测方法1 移动平均法移动平均法是依据时间序列资料运算固定项数的序列平均数，排除不规章变动因素的影响，反应系统长期趋势的方法；移动平均法主要是用来猜测时间序列的长期的、总体的进展趋势，此方法可以剔除序列

16、受外界影响后起伏变化较大的数据；移动平均法可以分为一次、多次、加权和趋势移动平均法；2）指数平滑法指数平滑法克服了移动平滑法中1）运算均值时需要较多的历史数据； 2） 将最近的 N 期数据等权看待，而t-N+ 1期以前数据的权值均为零这两个缺 点，每次猜测只需要两个数据即可，而且通过滚动加权猜测的方法继承了前期数据的信息；指数平滑法可以分为一次指数平滑法、二次指数平滑法、差分指数平滑法等；3）趋势曲线法趋势曲线模型猜测是针对长期趋势猜测的主要方法；它依据时间序列的进展趋势，协作合适的曲线模型，外推猜测将来的趋势情形，描述猜测对象的未来进展趋势；2.2.2 智能猜测方法1）基于灰色系统理论的猜测

17、方法灰色猜测，是指利用灰色系统理论对在肯定范畴变化的时间序列进行定量欢迎下载精品学习资源猜测的过程；灰色猜测的特点是通过对灰色系统进行灰关联度分析，然后对原始数据进行处理进而查找系统进展规律，生成新数据序列，通过建立新数据序列的微分方程模型，来猜测系统将来进展变化趋势；2）基于人工神经网络的猜测方法人工神经网络 Artificial Neural Networks，简写为 ANNs）通常简称为神经网络 NNNeural network ），是利用工程技术手段来模拟人脑神经系统的结构和功能；由于是模拟人脑神经系统，因此神经网络也具备了人脑神经系统的分布式信息储备、并行信息处理、自适应非线性的特点

18、，故神经网络在进行交通信息的非线性猜测也起到了特别重要的作用；3）灰色马尔科夫猜测模型马尔科夫链 马氏链）理论适合与表述随机过程的状态转移行为，是一种随机时间序列，即随机变量与时间都是离散的，无后效性；但马氏链对猜测对象有 特别要求：猜测对象必需具有平稳过程、等均值的特点；4）遗传神经网络猜测模型遗传算法 联合在北京召开“中国神经网络首届学术会议” . 这次大会以“八学会联盟 , 探智能秘密”为主题 , 收到了 300 多篇学术论文 , 开创了中国人工神经网络及神经运算机方面科学争论的新纪元 . 经过十几年的进展 , 中国学术界和工程界在人工神经网络的理论争论和应用方面取得了丰硕成果 , 学术

19、论文、应用成果和争论人员逐年增加 .在国际上 ,1987 年, 在美国加洲召开了第一届国际神经网络学会 . 此后每年召开两次国际联合神经网络大会 IJCNN. 不久, 该学会创办了刊物 JournalNeu- ral Networks, 另有十几种国际闻名的神经网络学术刊物相继问世 . 至此, 神经网络理论争论在国际学术领域获得了其应有的位置 10；神经网络就是在这个背景下进展起来的，自 20 世纪 80 岁月后期以来， 神经网络已经取得了很大的进展；现今，各国、各领域的学者关于神经网络的争论不断的在进展，已提出了上百种神经网络模型；神经网络方面的争论已成为人工智能领域一个极为重要的争论课题；

20、3.1.2 人工神经网络特点人工神经网络采纳物理上可实现的器件或采纳运算机来模拟生物体中神经网络的某些结构和功能，并应用到工程领域；神经网络的着眼点不在于利用物理器件完整地复制生物体中的神经细胞网络，而是抽取其中可利用的部分来克服目前运算机或其他系统不能解决的问题，如学习、掌握、识别等；虽然人工神经网络与真正的生物神经网络有差别，但由于它吸取了生物神经网络的部分优点，因此具有一些固有的特点：1 人工神经网络在结构上与目前的运算机本质不同；它是由很多小的处理单元相互连接而成的，每个处理单元的功能简洁，但大量简洁的处理单元集体的、并行的活动得到预期的识别、运算的结果，具有较快的速度；2 人工神经网

21、络具有特别强的容错性；局部的或部分的神经元损坏后，不会对全局的活动造成很大影响；3 人工神经网络记忆的信息是储存在神经元之间的连接权值上，从单个权值中看不出储存信息的内容，它是分布式的储存方式；欢迎下载精品学习资源4 人工神经网络的学习功能特别强大，它的连接权值和连接的结构都可以通过学习得到 11 ；3.2 人工神经网络基本原理人工 神经 网络ArtificialNeuralNetworks .ANN） 简称 神经 网络NN），是对人脑或自然神经网络如干基本特性的抽象和模拟，是一种基于连接学说构造的智能仿生模型，是由大量神经元组成的非线性动力系统；3.2.1 人工神经元模型人工神经元是对生物神

22、经元的模拟与抽象，是神经网络的基本处理单元； 目前人工神经网络模型大多采纳由心理学家W.McCulloch 和数理规律学家W.H.Pitts共同提出的 M-P模型，图 1.1 表示一个人工神经元模型；图 3-1 人工神经元模型图中为该神经元的个输入，来自外部或者其它神经元的输出；表示与该神经元相连的个神经元之间的连接强度，称为权值；称为激活值，表示这个人工神经元的输入总和；表示这个神经元的输出； 表示这个人工神经元的阈值；这个输入信号的加权和超过，就人工神经元被激活；这样，人工神经元的输出可描述为：3-1 ）其中表示神经元输入 输出关系函数，称为激活函数或输出函数；阈值一般不是一个常数，它是随

23、着神经元的兴奋程度而变化的；3.2.2 激活函数在神经网络中，网络解决问题的才能与效率除了与网络结构有关外，在很欢迎下载精品学习资源大程度上取决于网络所采纳的激活函数；激活函数的挑选对网络的收敛速度有较大的影响，针对不同的实际问题，激活函数的挑选也应不同；常用的激活函数有以下几种形式1. 阈值函数 其表达式为：3-2）该函数通常也称为阶跃函数；当激活函数采纳阶跃函数时，人工神经元模型即为 MPMcCulloch-Pitts ）模型；此时神经元的输出取1 或 0，反应了神经元的兴奋或抑制；2. 线性函数 Linear ）其表达式为：3-3 ）该函数可以在输出结果为任意值时作为输出神经元的激活函数

24、，但是当网络复杂时，线性激活函数大大降低网络的收敛性，故一般较少采纳；3. 对数 S 形函数Sigmoid）其表达式为：3-4）对数形函数的输出介于之间，常被要求为输出在范畴的信号选用；它是神经元中使用最为广泛的激活函数；4. 双曲正切形函数 其表达式为：BP 神经网络拓扑结构欢迎下载精品学习资源BP 神经网络是一种多层前馈神经网络，主要特点是信号前向传递，误差反向传播，属于有老师学习方式；基本思想是：在前向传递中，信号经输入层、隐含层、输出层逐层处理并传递，检查猜测输出与给定输出之间的误差，如没有达到精度要求，就转入反向传播，依据检测到的误差来调整输入层与隐含 层，隐含层与输出层之间的权值和

25、阈值，从而使猜测输出不断靠近地期望输 出；三层 BP 神经网络的拓扑结构如图 3.2 所示；图 3-2 三层 BP神经网络的拓扑结构图2BP 网络实现步骤Step1：网络初始化；置输入层到隐含层，隐含层到输出层的全部权值为任意小的随机数，并设定初始阈值；Step2 ： 提 供 训 练 样 本 ； 根 据 学 习 规 就 ， 需 要 提 供 输 入 向 量和相对应的输出向量；Step3：从输入层开头向隐含层、输出层逐层运算输出； Step4：调整权值；依据误差，从输出层节点开头，到隐含层节点，再到输入层节点逐层的调整权重；Step5：返回 Step2重新运算，直到误差满意要求为止；4 基于 BP

26、神经网络的交通流量猜测欢迎下载精品学习资源本章分别结合路口小时和日的实际交通流量观测数据，基于BP神经网络使用 Matlab实现交通流猜测并得到猜测结果；4.1 猜测实例描述4.1.1 小时交通流量猜测分析1 小时交通流量变化分析对一交通路口每小时的车流量进行统计，获得某7 天的小时流量数据如下：表 4-1 路口某 7 天的小时流量车数 时间辆样本1样本2样本3样本4样本5样本6样本 700:003029312928302501:002423252423232402:003130332830292703:002431243025312904:003130293031323005:0047484

27、64647484706:007172707172737007:0010110010210010110310408:0015015115215415515215709:0018517017519018819118910:0026024325525926125426111:0024325424724224325724412:0027027325127126827827013:0028528226629928530128114:0031531731528931130031515:00324301309324310321312欢迎下载精品学习资源16:0037338036735435336638017

28、:0033033331131435433135418:0029529731229929529931219:0022020121922121323123120:0017517318017916817717121:0014413413314814413413722:008091829986788123:0069636270765964由于车流量具有时间段的特性，我们将24 小时划分为 6 个时间段 :0:004:00,4:008:00,8:0012:00,12:0016:00,16:0020:00,20:0024:00 统计出每个时间段流量最多的时刻，并运算出该区间段的平均流量作为该时刻的流量；我

29、们可以获得以下时刻的流量数据：样本 1样本 2表 4-2样本 3训练样本数据样本 4样本 5样本 6样本702:002703:002802:002803:002802:002703:002803:002607:006307:006307:006207:006207:006307:006407:008410:0021011:0020510:0020710:0021110:0021211:0021410:0021315:0029914:0029314:0028515:0029614:0029415:0030014:0029516:0030516:0030316:0030216:0029717:00

30、25416:0030716:0031920:0011720:0011520:0011420:0012420:0011920:0011220:001132）猜测结果4-1训练样本 1 的拟合情形4-2训练样本 2 的拟合情形欢迎下载精品学习资源4-3训练样本 3 的拟合情形4-4训练样本 4 的拟合情形4-5训练样本 5 的拟合情形4-6训练样本 6 的拟合情形4-7训练样本 7 的拟合情形 4-8猜测结果4.1.2 日交通流量猜测分析1）日交通流量变化分析数据使用的是一交通路口一个月的交通流量数据；由表可以看出：交通量欢迎下载精品学习资源每周从周一到周四交通量缓慢增加，到周四达到约2560辆，

31、周五下降至一周最小约为 2340辆，周六、周日交通量急剧增大，到周日达到最大值约2900辆；表 4-3路口某月的日交通流量车辆数样本1样本 2样本 3样本 4样本 5样本 6样本 7日期123852301238724402388233423562246024542456246024602454245632510256625432510251025662543425612561254425662561256125445234423482421245123442348242162598261025992898259826102599728912888288028012891288828808230

32、123852301238723342301230192454246024542456245424542454102566251025662543256625662566112561256125612544256125612561122348234423482421234823482348132610259826102599261026102610142888289128882880288828882888152387244024872407238723012387162456246024562456245624542456172543251025782563254325662543182544

33、256625442604254425612544192421245125212411242123482421202599259826322629259926102599212880290128802880288028882880222440238824872388238724402407232460246024602460245624602456欢迎下载精品学习资源24251025102498251025432510256325256625612566256125442566260426245123442451234424212451241127259825982598279825992598

34、2629282901289128712691288029012880292480258025772651238724402388302440246724402521245624602460我们对一交通路口每天的交通流量进行统计，依据流量的时间分布特点， 把一个月划分成6 个时间段： 1 5,6 10,11 15,16 20,21 25,2630. 统计出每个时间段流量最多的日期，并运算出该区间段的平均流量作为该日的流量；我们可以获得以下的流量数据：样本 1样本 2表 4-4样本 3训练样本数据样本 4样本 5样本 6样本7425423244622470424854245332453429737

35、25627257172560626177256972564725601425591425671425791425701425581425421425592025132025172025462025332025132025082025132125712125642125782125602125622125732125822825742825762825872726012825492825702825542）猜测结果4-9 训练样本 1 的拟合情形4-10训练样本 2 的拟合情形欢迎下载精品学习资源4-11 训练样本 3 的拟合情形4-12训练样本 4 的拟合情形4-13 训练样本 5 的拟合情形

36、4-14训练样本 6 的拟合情形4-15训 练 样 本 7的 拟 合 情 况4-16预 测 结 果欢迎下载精品学习资源5 结论本文将神经网络技术争论与交通信息猜测争论紧密结合，在总结国内外争论成果的基础上，对已有的交通流猜测方法进行了分类分析，并对每种争论的基本方法进行了详细介绍；再次，重点争论了智能猜测中的人工神经网络理论，介绍了神经网络的进展、特点、结构以及学习理论，分析了 BP 神经网络的详细步骤，为交通流猜测的实现奠定了理论基础；最终，结合实际交通流量观测数据，将 BP神经网络应用于交通流量猜测的过程，通过对比猜测结果，验证了 BP 神经网络具有良好的猜测成效；但在本文的基础上 , 仍有可以连续深化改进和争论的必要；（1） 论文只对神经网络中的 BP 神经网络做了详细争论与实例分析，仍可以结合神经网络争论的一些新进展 遗传神经网络）对交通流量进行猜测；（2） ） 论文如能够提取到更完整的交通信息数据，进行多因素的猜测，那么猜测精度应当会有很大的提高；欢迎下载精品学习资源致谢语本科毕业论文撰写是本科生期间最终的学习过程；本篇论文从选题、构思、修改到定稿，每一阶段都受到黄振坤导师的尽心指导；黄老师多次询问论文进程，帮忙我们制定论文每一步的完成时间, 并利用自己的珍贵时间 , 多次为我指点迷津，帮忙我开拓争论思路，细心点拨、热忱勉励；黄老师兢兢业业、对同学仔细负责的工作态度