南昌市短時交通流預(yù)測方法研究.pdf

1、在智能交通系統(tǒng)中，交通流預(yù)測是一個重要的組成部分。實施交通信號控制、路徑誘導(dǎo)、事故檢測等的重要前提是快速而準(zhǔn)確的短時交通流預(yù)測。但是，交通系統(tǒng)具有高度的復(fù)雜性、非線性和不確定性等特征，其是由人、車、路等多種客體組成的復(fù)雜系統(tǒng)，對交通流做出實時、準(zhǔn)確地預(yù)測是目前智能交通領(lǐng)域研究的熱點和難點之一。
　　然而，由于短時交通流信息量大，不確定性噪聲信號干擾強(qiáng)，加之城市道路網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)復(fù)雜，致使怎樣實現(xiàn)城市道路短時交通流預(yù)測一直阻礙著智能

2、交通的長遠(yuǎn)發(fā)展。為了解決上述問題，已經(jīng)提出了許多預(yù)測方法，但因未考慮不確定干擾信號或城市路網(wǎng)復(fù)雜性對短時交通流所造成的影響，導(dǎo)致預(yù)測結(jié)果的實時性與準(zhǔn)確性都不盡理想。本文采用Mallat算法，對短時交通流信號進(jìn)行小波分解與重構(gòu)，旨在濾掉短時交通流的強(qiáng)干擾噪聲信號，此法可以提高短時交通流信息預(yù)處理速度及精度。針對交通流數(shù)據(jù)的復(fù)雜性和非線性特性，本文引入神經(jīng)網(wǎng)絡(luò)理論，利用其對非線性問題的良好處理能力來進(jìn)行短時交通流的預(yù)測，是交通流預(yù)測的有效方

3、法。
　　綜上，針對城市道路交通流量的時變性、復(fù)雜性以及非線性特點，為提高短時交通流預(yù)測的精準(zhǔn)度，該文提出了一種基于小波去噪和自適應(yīng)遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的短時交通流組合預(yù)測模型。利用小波變換可以將交通流分解成具有不同頻率的多個平滑子序列，然后對各個子序列分別進(jìn)行預(yù)測，此種方式能有效解決被預(yù)測交通流的時變性、復(fù)雜性以及非線性問題，同時自適應(yīng)遺傳算法具有全局搜索能力，能夠很好的解決神經(jīng)網(wǎng)絡(luò)的缺陷——易陷入局部極小值。并將預(yù)測結(jié)果與