基于灰色神经网络的城市交通流量预测方法研究

《基于灰色神经网络的城市交通流量预测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据沈阳大学硕士学位论文作者：赵洋指导教师：协助指导教师：韩晓微教授单位：论文答辩日期：2014年12月22日学位授予单位：沈阳大学沈阳大学万方数据AMaster’SThesisinInformationEngineeringMethodofCityTrafficFlowPredictionBasedonGreyCandidate：ZhaoYangSupervisor：ProfessorHanXiaoweiSchoolofInformationEngineeringShenyangUniversityDecember22，2014万方数据独创性说明本人郑重声明：所呈交的论文是我个人在导

2、师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得沈阳大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。关于论文使用授权的说明如件12、姐本人完全了解沈阳大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅：学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。(保密的论文在解密后应遵循此规定)签名：垫迸导师签名：姒日期：包监窿：丝万方数据摘要随着我国城市化进程的加

3、快，城市机动车保有量持续增长，交通问题日益突出。智能交通系统已成为解决城市交通问题的主要途径。交通流预测是智能交通系统中的一项关键技术，主要用来实现城市交通路网中的各个节点和线路交通流量状态的预测与分析。交通流预测的准确性是实现城市交通流控制的前提条件。交通流是一个多变量、时变的、结构复杂的非线性系统。传统的单预测模型只能概括系统的部分特性，预测精度受限。鉴于此，本文提出了基于相关路口分析和灰色神经网络的城市道路交通流量的组合预测方法，具体针对交通流预测模型、方法和实现进行了较系统的研究，主要工作包括以下几个方面：(1)提出了较系统的交通数据预处理方法，给出了数据错误、丢失、冗余的判断方法

4、和处理过程。利用该方法可以有效去除噪声数据的干扰，减少数据冗余，从而提高后续交通流预测的效率和准确性。(2)结合灰色系统和神经网络理论的各自优势，建立了灰色神经网络模型。利用该模型对城市道路交通流量进行预测，仿真结果表明该模型可有效提高预测的精度和实时性。(3)提出了一种路网路口流量相关性分析的方法。基于历史数据，通过主成分分析法对路网目标路口进行流量相关性分析。建立了一种组合预测模型，利用路网相关路口数据预测数据缺失路口交通流量。以城市道路路口为单位，根据实际路况，同时考虑路口间流量大小及路口间隔长度，以沈阳市部分行政区域路口为例建立局域路网。利用相关路口和目标路口历史数据，对预测模型、

5、方法和实现进行仿真实验，验证了其准确性和实时性。关键词：智能交通，i交通流预测；灰色理论，i神经网络模型，i主成分分析万方数据沈阳大学硕士学位论文Ⅱ万方数据MethodofCityTrafficFlowPredictionBasedonGreyNeuralNetworkAbstractWiththerapiddevelopmentofacceleratingofoururbanizationprocessandthenumberofmotorvehiclesgrowrapidly，thetrafficproblemhasbecomeincreasinglyprominent．neintel

6、ligenttransportationsystemhasbecometheeffectivewaytosolvecitytra佑Cproblems．Trafficflowforecastingisoneofthekeytechniquesinintelligenttransportationsystem．Anditismainlyusedforpredictionandanalysisofurbannetworktra_fjficflowstateofeachnodeandroute．11他accura．eyoftraf五cflowpredictionisaprerequisitefor

7、therealizationofcitytra伍cflowcontr01．111etrafficflowisanonlinearsystemwithamultivariable，time-varyingandcomplexstructure．啊1etraditionalsinglepredictionmodelcallonlysummarizepartsofgeneralcharacteristicsofthesyste