【正文】 五邑大學(xué)本科畢業(yè)設(shè)計(jì) I 基于概率神經(jīng)網(wǎng)絡(luò)的道路擁堵判別 摘 要 近年來(lái)，交通擁堵嚴(yán)重不僅給人們的日常生活帶來(lái)諸多的不便，甚至成為了經(jīng)濟(jì)發(fā)展的阻礙因素。本文針對(duì)道路擁堵判別這種非線性分類問(wèn)題，提出了基于概率神經(jīng)網(wǎng)絡(luò)的道路擁堵判別方法。充分結(jié)合概率神經(jīng)網(wǎng)絡(luò)的理論知識(shí)，以前一時(shí)刻與后一時(shí)刻的交通量 q、速度 v 和車輛占有率作為概率神經(jīng)網(wǎng)絡(luò)的輸入量，通過(guò)樣本數(shù)據(jù)對(duì)概率神經(jīng)網(wǎng)絡(luò)的 訓(xùn)練，可以分析在輸入量因素的影響下道路的暢通情況，最后用 樣本數(shù)據(jù)進(jìn)行了仿真 實(shí)驗(yàn)， 得到的 結(jié)果 令人滿意 。 關(guān)鍵詞 城市交通；道路擁堵；概率神經(jīng)網(wǎng)絡(luò)；測(cè)試數(shù)據(jù)；仿真研 究 五邑大學(xué)本科畢業(yè)設(shè)計(jì) II Abstract In recent years, traffic congestion has not only brought inconvenience to people’s daily life, but also has bee a factor hindering economic development. Aiming at the problem of nonlinear classification in traffic congestion judgment, a method based on probabilistic neural work (PNN) is proposed. Combined the theory of probabilistic neural work, speed, traffic volume and occupation ratio of a previous moment and the later moment are taken as inputs. Simulation research is carried out with the sample data, the result is satisfying. Key words urban traffic road congestion probabilistic neural work test data simulation study 五邑大學(xué)本科畢業(yè)設(shè)計(jì) III 目 錄 摘 要 ..................................................................... I Abstract .................................................................... II 第 1 章 緒論 ................................................................. 1 課題背景 ............................................................ 1 研究的目的和意義 .................................................... 1 國(guó)內(nèi)外文獻(xiàn)綜述 ...................................................... 2 本文的主要內(nèi)容 ...................................................... 3 第 2 章 概率神經(jīng)網(wǎng)絡(luò)原理 ..................................................... 4 概率神經(jīng)網(wǎng)絡(luò)模型 .................................................... 4 概率神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu) .............................................. 6 概率神經(jīng)網(wǎng)絡(luò)的訓(xùn)練 .................................................. 6 概率神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn) .................................................. 7 本章小結(jié) ............................................................ 8 第 3 章 MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱的使用 ........................................ 9 引言 ................................................................ 9 神經(jīng)網(wǎng)絡(luò)工具箱下的系統(tǒng)建立與仿真 .................................... 9 使用神經(jīng)網(wǎng)絡(luò)工具箱的命令行方式建立 ............................. 9 使用神經(jīng)網(wǎng)絡(luò)工具箱的圖形用戶界面建立 .......................... 10 本章小結(jié) ........................................................... 14 第 4 章 基于概率神經(jīng)網(wǎng)絡(luò)的擁堵判別設(shè)計(jì)與仿真 ................................ 15 道路擁堵判別的系統(tǒng) ................................................. 15 概率神經(jīng)網(wǎng)絡(luò)輸入變量的選擇 .................................... 15 概率神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù) .............................. 15 基于概率神經(jīng)網(wǎng)絡(luò)的擁堵判別系統(tǒng)建立 ............................ 17 概率神經(jīng)網(wǎng)絡(luò)的擁堵判別仿真 ......................................... 17 MATLAB 程序及仿真結(jié)果 ............................................ 17 MATLAB 程序 ................................................. 17 仿真過(guò)程數(shù)據(jù) .................................................. 21 仿真結(jié)果 ...................................................... 27 本章小結(jié) ........................................................... 27 結(jié) 論 .................................................................... 28 參考文獻(xiàn) ................................................................... 29 致 謝 .................................................................... 30 五邑大學(xué)本科畢業(yè)設(shè)計(jì) 1 第 1 章 緒論 課題背景 隨著經(jīng)濟(jì)的發(fā)展，人們生活水平的不斷提高，汽車逐漸成為了許多市民出行首選的交通工具，并以倍數(shù)增長(zhǎng)的速度進(jìn)入千家萬(wàn)戶。然而，由于汽車擁有量不斷增加，人們出行頻率不斷地提高，道路的通行能力不足以滿足人們的日常出行需要，由此引發(fā)了各種各 樣的交通問(wèn)題，而交通擁堵就是最為常見(jiàn)的一種交通問(wèn)題。從小的方面來(lái)看，交通擁堵會(huì)導(dǎo)致車輛延誤、行駛時(shí)間延長(zhǎng)，影響著人們的日常生活；從大的方面來(lái)看，交通擁堵會(huì)使空氣污染加重、燃油能耗增大，同時(shí)交通擁堵還會(huì)影響經(jīng)濟(jì)活動(dòng)的進(jìn)行，最終成為制約經(jīng)濟(jì)發(fā)展的重要因素之一，阻礙經(jīng)濟(jì)發(fā)展。 對(duì)于交通擁堵這個(gè)問(wèn)題，主要是由外部因素和內(nèi)部因素兩種影響因素導(dǎo)致的。外部因素是國(guó)內(nèi)經(jīng)濟(jì)的高速發(fā)展，汽車擁有量的劇增；而內(nèi)部因素則是車輛的日益增長(zhǎng)速度與城市的道路發(fā)展落后之間的不協(xié)調(diào)。 針對(duì)交通擁堵的情況，我們常常會(huì)通過(guò)浮動(dòng)車法等傳統(tǒng)方法來(lái)分 析連續(xù)時(shí)間和空間內(nèi)速度與密度的比例分布，以此來(lái)確定道路的擁堵情況。但是，這種方法在運(yùn)行時(shí)間延誤的情況下是有它的局限性的，所以單純使用傳統(tǒng)的檢測(cè)方法得到的結(jié)果并不理想。近年來(lái)，仿真建模方法進(jìn)入了我們的視線。利用算法分析數(shù)據(jù)，能夠有效評(píng)估判別道路的擁堵情況，得到的結(jié)果也是比較合理準(zhǔn)確的。 面對(duì)交通擁堵這個(gè)嚴(yán)峻的挑戰(zhàn)，我們急需一種能夠判別道路擁堵與否的方法，對(duì)城市大大小小的道路進(jìn)行檢測(cè)，從而保證時(shí)效性和準(zhǔn)確性地檢測(cè)出道路擁堵的情況，進(jìn)而由交通管理部門(mén)對(duì)擁堵情況采取適當(dāng)?shù)慕煌ù胧档徒煌〒矶掳l(fā)生的頻率，盡可能提高 道路的通行能力，保證城市道路的暢通。本文綜合考慮道路擁堵的實(shí)際情況，提出了基于概率神經(jīng)網(wǎng)絡(luò)的道路擁堵判別方法。根據(jù)歷史的交通數(shù)據(jù)對(duì)概率神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，然后可對(duì)測(cè)試樣本進(jìn)行分析并分類，可判別出道路擁堵的位置，給后續(xù)的解決方案提供了有效而準(zhǔn)確的方向指引，從而避免交通擁堵頻繁發(fā)生，并且減少因?yàn)榻煌〒矶略斐山煌ㄊ鹿实臄?shù)量。 研究 的目的和意義 本課題研究的目的就是在道路擁堵情況下，探討得出較為完善的判別方法去解決道路擁堵問(wèn)題。著眼于現(xiàn)有城市道路規(guī)劃，基于概率神經(jīng)網(wǎng)絡(luò)的前提下，找出科學(xué)的、有效的、全面的方法， 判斷出道路擁堵的位置所在，發(fā)現(xiàn)潛在的道路擁堵問(wèn)題，從而有效引導(dǎo)道路交通，讓道路保持暢通，達(dá)到出行輕松方便快捷的目標(biāo)，同時(shí)也可以降低由于道路交通所五邑大學(xué)本科畢業(yè)設(shè)計(jì) 2 引起的各種大氣環(huán)境污染。 道路擁堵判別除了應(yīng)用于處理交通擁堵中，在智能交通系統(tǒng)方面也有重要的作用。 道路擁堵判別為這些系統(tǒng)提供重要的、實(shí)時(shí)的非周期性交通流狀態(tài)變化信息，建立有時(shí)效性、準(zhǔn)確性高的道路擁堵判別系統(tǒng)。因此， 本課題研究的目的在于采用概率神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)對(duì)道路擁堵的判別。 從目前的情況來(lái)看，世界各國(guó)專家也專注于對(duì)交通擁堵的研究，但是缺少了一個(gè)對(duì)交通擁堵的定量標(biāo)準(zhǔn) ，所以解決道路上的擁堵問(wèn)題值得深入探究。準(zhǔn)確的道路交通信息從道路擁堵判別的系統(tǒng)中實(shí)時(shí)提取，以便能及時(shí) 發(fā)現(xiàn)路網(wǎng)中的交通擁擠情況，可以對(duì)道路交通進(jìn)行統(tǒng)一管理和控制，制定疏導(dǎo)策略，對(duì)緩解交通擁堵具有重要的意義。 國(guó)內(nèi)外文獻(xiàn)綜述 文獻(xiàn) 1 系統(tǒng)介紹了智能控制技術(shù)中神經(jīng)網(wǎng)絡(luò)的理論知識(shí)，同時(shí)還包含 MATLAB 的神經(jīng)網(wǎng)絡(luò)工具箱、函數(shù)以及各種 類型的 神經(jīng)網(wǎng)絡(luò)的 學(xué)習(xí)方法和 訓(xùn)練方法等 多方面的 內(nèi)容，并給出多個(gè)設(shè)計(jì)的例子作為學(xué)習(xí)參考。 文獻(xiàn) 2 針對(duì)目前城市交通 道路 擁堵服務(wù)質(zhì)量評(píng)價(jià) 的局限性，創(chuàng)新性地 提出 了 與交通流量、速度、密度有關(guān)的 擁擠度系數(shù)的概念， 利用模糊綜合評(píng)價(jià)的方法進(jìn)行判別并作仿真研究 。 文獻(xiàn) 3 闡述 了基于學(xué)習(xí)向量量化（ LVQ）神經(jīng)網(wǎng)絡(luò)的算法理論， 運(yùn) 用這種神經(jīng)網(wǎng)絡(luò)的算法設(shè)計(jì) 出 擁堵預(yù)測(cè)的系統(tǒng)，并 利用相關(guān)的數(shù)據(jù)和 MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，最終系統(tǒng) 的仿真效果良好 。 文獻(xiàn) 4 介紹了神經(jīng)網(wǎng)絡(luò)的基本原理、訓(xùn)練方法、網(wǎng)絡(luò)結(jié)構(gòu)等知識(shí)，系統(tǒng)闡述了各種類型的神經(jīng)網(wǎng)絡(luò)在 MATLAB 上的實(shí)現(xiàn)方法，并給出了實(shí)際生活中的真實(shí)例子、實(shí)現(xiàn)的步驟和程序。 文 獻(xiàn) 5 提出了 小波分析 的算法，并把小波分析 和神經(jīng)網(wǎng)絡(luò) 應(yīng) 用于事件檢測(cè)中，小波變換 的方法可以對(duì) 采樣信號(hào) 進(jìn)行奇異點(diǎn)檢測(cè)，然后使用神經(jīng)網(wǎng)絡(luò)對(duì) 檢測(cè)的 結(jié)果進(jìn)行分類，最后給出 檢測(cè)的結(jié)果，結(jié)果分成有事件和無(wú)事件兩種類型， 仿真 的 結(jié)果表明該算法相對(duì)于傳統(tǒng)的事件檢測(cè)算法 有時(shí)效和準(zhǔn)確率上的優(yōu)勢(shì) 。 文獻(xiàn) 6 介紹了概率神經(jīng)網(wǎng)絡(luò)的