【正文】 摘 要本文在參考國內(nèi)外研究的基礎(chǔ)上，針對城市主干道交通的非線性和時變特性給出了擁堵的定義，成因，分類和特征,對經(jīng)典擁堵算法和常見交通流預(yù)測模型進行分析闡述,重點對算法和模型的原理使用條件進行探討，分析交通流預(yù)測與擁堵識別之間的關(guān)系。另外，在闡述主干道定義，特點和速度和流量變化的基礎(chǔ)上，建立基于交通流量的主干道交通預(yù)測模型，重點對模型的形式進行研究分析。最后，用MATLAB軟件進行系統(tǒng)仿真，經(jīng)過仿真表明基于交通流量的預(yù)測方案能夠?qū)Τ鞘兄鞲傻澜煌顟B(tài)進行有效地預(yù)測分析。關(guān)鍵詞 交通擁堵 預(yù)測 速度 系統(tǒng)仿真 AbstractThis study based on the reference to domestic and foreign, according to the definition of the main city road traffic, nonlinear and timevarying characteristics given congestion causes, classification and characteristic of the classical algorithm, congestion and traffic flow prediction model were analyzed, with emphasis on the algorithm and model principle using conditions were studied, the relationship between traffic analysis flow prediction and congestion identification. In addition, the main definition, basic characteristics and velocity and flow rate changes, establishment of trunk road traffic prediction model based on traffic flow, key form of model analysis. Finally, the system simulation with MATLAB software, the simulation shows that the traffic flow prediction scheme can effectively forecast and analysis of traffic state based on the city roads.Keywords: traffic congestion prediction speed system simulation目 錄摘 要 IAbstract II第一章 緒論 1 課題的背景及理論 1 研究的實際意義 1 城市交通信息預(yù)測理論的發(fā)展和研究現(xiàn)狀 1 主要研究內(nèi)容 2 本文內(nèi)容安排 2 本章小結(jié) 2第二章 交通流的相關(guān)理論及預(yù)測 3 交通流的定義 3 交通流理論發(fā)展 3 交通數(shù)據(jù)的采集及說明 3 交通流參數(shù)間的對應(yīng)關(guān)系 4 密度和速度的關(guān)系 4 密度和流量的關(guān)系 5 5 本章小結(jié) 5第三章 神經(jīng)網(wǎng)絡(luò)理論 6 神經(jīng)網(wǎng)絡(luò)的概述 6 人工神經(jīng)元模型 6 神經(jīng)網(wǎng)絡(luò)節(jié)點描述 6 神經(jīng)元狀態(tài)轉(zhuǎn)移函數(shù)類型 7 神經(jīng)網(wǎng)絡(luò)模型 8 前向網(wǎng)絡(luò) 8 反饋網(wǎng)絡(luò) 9 自組織網(wǎng)絡(luò) 9 神經(jīng)網(wǎng)絡(luò)的特點及其應(yīng)用 9 神經(jīng)網(wǎng)絡(luò)的特點 9 神經(jīng)網(wǎng)絡(luò)的應(yīng)用 9 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí) 10 學(xué)習(xí)方式 10 學(xué)習(xí)算法 10 本章小結(jié) 11第四章 基于Elman神經(jīng)網(wǎng)絡(luò)的交通流預(yù)測的仿真 12 Elman神經(jīng)網(wǎng)絡(luò) 12 概述 12 Elman神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及原理 12 Elman神經(jīng)網(wǎng)絡(luò)的創(chuàng)建 13 Elman神經(jīng)網(wǎng)絡(luò)的訓(xùn)練 13 Elman回歸神經(jīng)網(wǎng)絡(luò)預(yù)測的仿真 14 仿真背景 14 樣本數(shù)據(jù)選擇 14 神經(jīng)網(wǎng)絡(luò)輸入數(shù)據(jù)的歸一化處理 14 Elman回歸神經(jīng)網(wǎng)絡(luò)的創(chuàng)建及訓(xùn)練 15 仿真程序及結(jié)果 16 本章小結(jié) 21結(jié) 論 22參考文獻 23致 謝 2425 / 29第一章 緒論 課題的背景及理論隨著現(xiàn)今社會城市化的加劇，城市交通擁擠以及突發(fā)性的交通事故正嚴重地困擾著世界各國的大中城市，解決這些問題的社會意義、經(jīng)濟意義已成為全球的共識。從近幾年世界各國的發(fā)展趨勢來看，本課題研究的重點是為了解決交通基礎(chǔ)設(shè)施供應(yīng)不足、交通混亂和交通效率低下這些方面的問題。通過交通規(guī)則和交通控制可以解決交通基礎(chǔ)設(shè)施供應(yīng)不足、交通混亂造成的問題，而交通流誘導(dǎo)則是目前公認的解決交通效率和提高機動性的最佳途徑。在沒有誘導(dǎo)的時候，駕駛員只能靠經(jīng)驗選擇路線，這樣，一旦在某個路段發(fā)生交通意外或者車輛多過就會導(dǎo)致交通受到干擾，從而使城市交通網(wǎng)的使用效率降低。交通擁擠大大減慢了人們的出行效率，浪費時間的同時機動車尾氣的排放量大大增加，燃料消耗嚴重，給居民健康造成風(fēng)險的同時也嚴重浪費了全球的石油資源，造成重大的污染，甚至給環(huán)境的治理都提高了不少難度。有報告顯示，%即1056億元。另外，交通擁擠所帶來的種種環(huán)境問題也是不容忽視的。噪聲污染，溫室效應(yīng)，城市熱島效應(yīng)和臭氧空洞種種都與交通擁擠所排放出的廢棄物有重大的關(guān)系，而政府每年花在治理這些問題上的支出也是令人瞠目結(jié)舌的，因此，有一個好的交通控制系統(tǒng)，對城市的發(fā)展和人們的生活都有重大的影響，是政府及每個人都應(yīng)重視的問題。 研究的實際意義城市道路交通系統(tǒng)是一個復(fù)雜的大系統(tǒng)，包括道路、汽車、人與環(huán)境的組成部分，因而具有強大的非線性、隨機性、多變性以及不確定性。傳統(tǒng)的理論和方法在面對如此大的系統(tǒng)問題，往往是無能為力。影響交通流量和道路交通時間的因素具有高度的非線性和隨時間變化的特點，很難給出精確的解析表達式和相應(yīng)的校準。人工神經(jīng)網(wǎng)絡(luò)具有非線性、大規(guī)模并行分布處理、善于處理多個變量的系統(tǒng)以及方便硬件實現(xiàn)等特點，適合用于大系統(tǒng)非線性時間變化大的模擬以及在線控制，相對適合于交通流量和道路交通時間的預(yù)測。 城市交通信息預(yù)測理論的發(fā)展和研究現(xiàn)狀城市交通狀態(tài)的最主要的信息是交通流量和道路交通時間，動態(tài)交通分配的核心內(nèi)容對交通流量和道路交通時間的預(yù)測，也是交通流誘導(dǎo)系統(tǒng)以及ITS中其它系統(tǒng)的最重要的基礎(chǔ)應(yīng)用之一，因此，很多研究人員在研究此技術(shù)。美、日、德等比較發(fā)達的國家起步較早，并取得了一些具有影響力的成果。目前，城市道路交通狀態(tài)預(yù)測的方法主要有三種：1．基于歷史數(shù)據(jù)法，即建立預(yù)測模型時用的是實時的交通流量數(shù)據(jù)和歷史數(shù)據(jù)；2．時間序列法，是統(tǒng)計方法的一種，在已知過去的某些時間段的交通流量，以此為基礎(chǔ)上建立模型預(yù)測未來流量，常見的有ARIMA模型、MA模型等。3．人工智能方法，即使用神經(jīng)網(wǎng)絡(luò)等人工智能技術(shù)，輸入量為當(dāng)前實際測量的交通流量、歷史交通流量、車輛行駛平均速度等對為了某時刻的交通流量進行預(yù)測。與前兩種方法向相比較，第三種方法沒有時間延遲，動態(tài)特性相對較好。但是其網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計和算法缺乏好的理論指導(dǎo)依據(jù)，可使用性不強。 主要研究內(nèi)容路段上的實時交通狀態(tài)與歷史時間上的交通狀態(tài)是有著必然的聯(lián)系，同時每個路段都只是路網(wǎng)的一部分，每個路段的交通狀態(tài)都會受到上下游各路段的交通狀態(tài)的影響，因此每個路段的交通狀況必定會和相連路段過去的時段的交通狀況有著密不可分的內(nèi)在聯(lián)系。這些交通狀況的信息量就可以用來預(yù)測路段未來的某個時間段的交通狀態(tài)。 根據(jù)以上的原理，本課題研究的內(nèi)容主要有：運用神經(jīng)網(wǎng)絡(luò)結(jié)合短時交通流量的理論基礎(chǔ)來建立城市主干道交通狀態(tài)預(yù)測模型，找出符合城市交通時變性要求的算法。使用Elman神經(jīng)網(wǎng)絡(luò)技術(shù)來設(shè)計城市主干道交通狀態(tài)實時、動態(tài)的預(yù)測方法。 本文內(nèi)容安排全文共分成四章，各章內(nèi)容安排如下：緒論。重在說明本課題的研究背景、目的和意義，以及國內(nèi)外交通控制系統(tǒng)研究狀況的綜述。第二章 交通流的相關(guān)理論及研究。運用數(shù)學(xué)和力學(xué)定律，研究道路交通流運行規(guī)律的理論，具體為概論論，排隊論，車流波動理論的研究。第三章 神經(jīng)網(wǎng)絡(luò)。本章描述了神經(jīng)網(wǎng)絡(luò)的組成部分，及其算法和學(xué)習(xí)方式。第四章 Elman神經(jīng)網(wǎng)絡(luò)預(yù)測的仿真。本章主要介紹了Elman神經(jīng)網(wǎng)絡(luò)的原理，創(chuàng)建及訓(xùn)練方式，然后利用原先所測交通流數(shù)據(jù)進行仿真，并將仿真數(shù)據(jù)與實際對比。 本章小結(jié)本章首先介紹了課題的學(xué)術(shù)背景及理論與實際意義，接著描述了城市交通信息預(yù)測理論的發(fā)展和研究現(xiàn)狀，然后闡述了課題的主要研究內(nèi)容，最后介紹了本文的內(nèi)容章節(jié)安排。第二章 交通流的相關(guān)理論及預(yù)測 交通流的定義研究在一定環(huán)境條件下交通流隨時間和空間變化規(guī)律的模型和方法體系稱為交通流理論體系。交通流是研究道路上行人和機動車在成列和個別行動中的規(guī)律，通過研究車流流量、車流速度和密度之間的關(guān)系，使道路交通設(shè)施的利用率得到提高，以減少事故發(fā)生和出行時間的延誤。 交通流理論發(fā)展從時間順序上來講，大致可從三個階段論述交通流理論：1．20世紀30~40年代，自由車流的統(tǒng)計分布理論這一時期