【正文】 具箱，根據(jù)交通量、車輛速度和占有率的樣本數(shù)據(jù)，設(shè)計了用于判別道路擁堵的概率神經(jīng)網(wǎng)絡(luò)，并用樣本數(shù)據(jù)對其進(jìn)行訓(xùn)練與仿真，得到令人滿意的結(jié)果。 本文的主要內(nèi)容 全文共分 4 章。 文獻(xiàn) 7 提出支持向量機(jī) (SVM)的算法，把這種算法運(yùn)用于高速公路事件檢測，用改進(jìn)的模糊 C 均值聚類方法進(jìn)行預(yù)處理訓(xùn)練數(shù)據(jù)，不但提高了支持向量機(jī)的訓(xùn)練速度，而且能夠大幅 度減少訓(xùn)練樣本的數(shù)量。 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 出 擁堵預(yù)測的系統(tǒng)，并 利用相關(guān)的數(shù)據(jù)和 MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，最終系統(tǒng) 的仿真效果良好 。 從目前的情況來看，世界各國專家也專注于對交通擁堵的研究，但是缺少了一個對交通擁堵的定量標(biāo)準(zhǔn) ，所以解決道路上的擁堵問題值得深入探究。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 2 引起的各種大氣環(huán)境污染。 面對交通擁堵這個嚴(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，對城市大大小小的道路進(jìn)行檢測，從而保證時效性和準(zhǔn)確性地檢測出道路擁堵的情況，進(jìn)而由交通管理部門對擁堵情況采取適當(dāng)?shù)慕煌ù胧?，降低交通擁堵發(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。 針對交通擁堵的情況，我們常常會通過浮動車法等傳統(tǒng)方法來分 析連續(xù)時間和空間內(nèi)速度與密度的比例分布，以此來確定道路的擁堵情況。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 樣的交通問題，而交通擁堵就是最為常見的一種交通問題。五邑大學(xué)本科畢業(yè)設(shè)計 I 基于概率神經(jīng)網(wǎng)絡(luò)的道路擁堵判別 摘 要 近年來，交通擁堵嚴(yán)重不僅給人們的日常生活帶來諸多的不便，甚至成為了經(jīng)濟(jì)發(fā)展的阻礙因素。 關(guān)鍵詞 城市交通；道路擁堵；概率神經(jīng)網(wǎng)絡(luò)；測試數(shù)據(jù)；仿真研 究 五邑大學(xué)本科畢業(yè)設(shè)計 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 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 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)增長的速度進(jìn)入千家萬戶。外部因素是國內(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速度與城市的道路發(fā)展落后之間的不協(xié)調(diào)。利用算法分析數(shù)據(jù)，能夠有效評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。 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題。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)對道路擁堵的判別。 文獻(xiàn) 2 針對目前城市交通 道路 擁堵服務(wù)質(zhì)量評價 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， 利用模糊綜合評價的方法進(jìn)行判別并作仿真研究 。 文獻(xiàn) 6 介紹了概率神經(jīng)網(wǎng)絡(luò)的算法和模型， 設(shè)計出能夠預(yù)測 泵車臂架疲勞壽命 的網(wǎng)絡(luò)模型，通過數(shù)據(jù)對 網(wǎng)絡(luò)進(jìn)行訓(xùn)練與仿真研究，仿真的結(jié)果表明，概率神經(jīng)網(wǎng)絡(luò) 的預(yù)測分類方法是可行的。 文獻(xiàn) 10 提出了自組織特征 映 射模型、前向神經(jīng)網(wǎng)絡(luò)模型 和 自適應(yīng)共振理論神 經(jīng)網(wǎng)絡(luò)這 三種模型 并 比較、 運(yùn)用在事件檢測中 ，仿真結(jié)果表明前向神經(jīng)網(wǎng)絡(luò)模型的性能優(yōu)于 另外的 兩種網(wǎng)絡(luò)。 第 3 章 首先介紹了 MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱的發(fā)展，接著著重介紹了利用神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行神經(jīng)網(wǎng)絡(luò)的建立：利用命令行語句和 GUI 兩種方法，同時展示了神經(jīng)網(wǎng)絡(luò)建立、訓(xùn)練和仿真的 步驟。 基 于 概率神經(jīng)網(wǎng)絡(luò) 的 道路擁堵判別 方法 之所以能夠判斷出道路的實(shí)時狀況，主要 是利用 概率神經(jīng)網(wǎng)絡(luò) 模型的非線性分類能力，將樣本空間映射到模式空間中，從而形成一個具有 容錯能力 強(qiáng) 和結(jié)構(gòu)自適應(yīng)能力 好 的 特點(diǎn)的道路擁堵 檢測系統(tǒng) 。x1 1175。xM 2175。p ( x )輸 入 層隱 層求 和 層輸 出 層 圖 21 概率神經(jīng)網(wǎng)絡(luò)的 拓?fù)浣Y(jié)構(gòu) 五邑大學(xué)本科畢業(yè)設(shè)計 5 輸 入 層 ：接 收 來 自 訓(xùn) 練 樣 本 值X ＝ ( x1, x2,… , xn)隱 層 ：計 算 輸 入 層 和 隱 層 的 加 權(quán)和求 和 層 ：事 件 模 式 與 神 經(jīng) 元 對 應(yīng) 并求 和輸 出 層 ：在 各 事 件 模 式 的 估 計 概 率密 度 中 選 擇 最 大 后 驗(yàn) 概 率密 度 的 神 經(jīng) 元 作 為 輸 出 圖 22 概率神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)功能圖 綜上所述，概率神經(jīng)網(wǎng)絡(luò)的 輸出層只有 1 個節(jié)點(diǎn)，輸出值在［ 0， 1］范圍， 輸出的狀態(tài)包括了狀態(tài) {1}和 狀態(tài) {2}這兩 種輸出狀態(tài) ，其中， 狀態(tài) {1}代表 擁堵 狀態(tài)，狀態(tài) {2}代表無擁堵 狀態(tài)。 [4] 概率神經(jīng)網(wǎng)絡(luò)分類的預(yù)測值與實(shí)際值極其