交通流量的神经网络预测研究
[摘要]交通流量预测问题是交通信息预测的核心问题，进行交通流量预测理论体系的研究，对于改善我国交通拥堵问题具有十分重要的学术价值和现实意义。
本文在总结国内外研究成果的基础上，对已有的交通流预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预测分析。
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，我们采用了分区间段进行数据整理，将BP神经网络应用于交通流量预测的过程，通过对比预测结果，验证了BP 神经网络具有良好的预测效果。
[关键词]交通信息交通流预测 BP神经网络
Research on neural network prediction of traffic flow
[Abstract] Traffic flow forecasting is the core problem of traffic information prediction,theory system in the prediction of traffic flow,is very important for improving our countrytraffic congestion has academic value and practical significance.Th is paper based on summarizing the domestic and foreign research results,analyzes and introduces the existing traffic flow forecasting methods, andanalysis to predict the traffic flow by neural network. based on centralized distribution of traffic flow and combined with the actual traffic flow data. We use the inter partition of data processing during the process of BP neural network can be used to traffic flow prediction by comparing the predicted results ,proves that BP neural network has the good forecast effect.
[Keywords] Traffic Information Traffic flow Prediction BP neural network
目录
1 引言 (1)
1.1研究背景........................................... 错误!未定义书签。
1.2 交通流量预测及必要性 (1)
1.3 交通流量预测的研究现状 (2)
1.4本文的研究内容及意义 (2)
2 交通流预测方法研究 (3)
2.1 交通流预测综述 (3)
2.1.1交通流预测的研究内容 (3)
2.1.2 交通流预测流程 (3)
2.1.3 研究方法分类 (4)
2.2 典型方法介绍 (5)
2.2.1 常规预测方法 (5)
2.2.2 智能预测方法 (5)
3 人工神经网络介绍 (6)
3.1 人工神经网络发展阶段及特点 (6)
3.1.1人工神经网络国内外研究背景 (6)
3.1.2人工神经网络特点 (7)
3.2 人工神经网络基本原理 (8)
3.2.1 人工神经元模型 (8)
3.2.2激活函数 (8)
3.3 BP神经网络 (9)
4 基于BP神经网络的交通流量预测 (10)
4.1预测实例描述 (11)
4.1.1小时交通流量预测分析 (11)
4.1.2日交通流量预测分析 (13)
5 本章小结 (17)
致谢语 (18)
[参考文献] (19)
1 引言
1.1研究背景
随着国民经济的发展和城市化步伐的迅速加快，机动车保有量迅速增加。
而在这迅速增加的机动车中，私车的比例也越来越高，这是导致交通拥堵问题越来越严重的原因之一。
国内各城市呈现的交通拥堵、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发展产生阻力，从而影响整体国民经济的发展。
因此，交通拥堵、交通事故所产生的出行延误已经成为许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损失己经高达GDP的2%。
据有关资料介绍，我国城市交通拥堵问题日趋严重，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，极大地妨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迅速增加。
而由于政策的支持、产业经济发展的需要、逐步富裕起来的人们追求更加方便舒适的生活，机动车的不断增加是一个长期趋势。
交通供需矛盾的长期性、城市空间和建设资金的有限性等严峻形势，决定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交通流量预测及必要性
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准确的掌握未来交通量变化的趋势;城市交通控制系统在进行主干线协调控制、区域协调控制时，必须提前预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准确的交通量预测
为前提。
因此，研究或观察交通量的变化规律，并对未来时刻交通量或发展趋势进行科学合理地预测，对于进行交通规划、交通诱导、交通管理、交通控制与安全等，均具有重要的意义;基于BP神经网络的城市交通流量预测与路口分析，己成为交通工程领域重点研究课题[1]。
1.3 交通流量预测的研究现状
何伟在《模糊神经网络在交通流量预测中的应用研究》中，在混沌相空间重构理论基础上,研究了自适应神经模糊推理系统(Adaptive Neural Fuzzy Inference System, ANFIS)和基于神经网络集成的T-S(Takagi-Sugeno)系统这两种模糊神经网络,随后将其应用于交通流量预测实例分析[2]；李存军在《基于集成神经网络的城市道路交通流量隔合预测研究》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预测的模型、方法和具体实现途径进行了研究[3]；冯明发在《粒子群优化RBF神经网络的短时交通流量预测》中，提出基于粒子群(PSO)优化RBF神经网络的交通流量预测方法[4]；韩超在《基于时间序列分析的短时交通流量实时自适应预测》中，基于采用AR(p)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预测算法[5]。
兰云在《短时交通流预测研究》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预测，将预测的结构综合得到原流量序列的预测值的方法[6]。
1.4本文的研究内容及意义
本文将神经网络技术研究与交通信息预测研究紧密结合，在总结国内外研究成果的基础上，对已有的交通流预测方法进行了分类分析，并对每种研究的基本方法进行了具体介绍；再次，重点研究了智能预测中的人工神经网络理论，介绍了神经网络的发展、特点、结构以及学习理论，分析了 BP神经网络的具体步骤，为交通流预测的实现奠定了理论基础；最后，结合实际交通流量观测数据，将。