【正文】 （ 2） 道路擁堵是導(dǎo)致交通事故頻繁發(fā)生、行程延誤以及環(huán)境污染、空氣質(zhì)量 差的主要因素 。采用 的 100 組樣本數(shù)據(jù) 以及運(yùn) 用 節(jié) 訓(xùn)練方法對(duì) 概率神經(jīng)網(wǎng)絡(luò) 模型進(jìn)行訓(xùn)練，訓(xùn)練速度很快，訓(xùn)練時(shí)間為 秒。另外，為了檢測到由于 道路擁堵 引起 車輛速度的變化 ， 我們 還應(yīng)該考慮車輛 行駛到該檢測點(diǎn)的瞬時(shí)速度 。 本章小結(jié) 本章主要介紹了概率神經(jīng)網(wǎng)絡(luò)的原理、網(wǎng)絡(luò)結(jié)構(gòu)以及訓(xùn)練方法等。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(jì) 5 輸 入 層 ：接 收 來 自 訓(xùn) 練 樣 本 值X ＝ ( x1, x2,… , xn)隱 層 ：計(jì) 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(duì) 應(yīng) 并求 和輸 出 層 ：在 各 事 件 模 式 的 估 計(jì) 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(gè)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)。 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(shí)展示了神經(jīng)網(wǎng)絡(luò)建立、訓(xùn)練和仿真的 步驟。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。 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(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(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)增長的速度進(jìn)入千家萬戶。 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，從而保證時(shí)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(duì)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。 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。x1 2175。在輸出層中，根據(jù)對(duì)輸入向量的概率估計(jì)，按照貝 葉斯分類規(guī)則將輸入向量分到概率向量最大值的類別中去。 最后單擊 Create 按鈕， 便可初步建立起新的概率神經(jīng)網(wǎng)絡(luò)系統(tǒng)。因此，微波檢測器被 廣泛應(yīng)用于高速公路、城市道路等交通檢測 當(dāng)中 ，能夠精確的檢測高速公路上的 任意 車輛 的交通 流參數(shù) 數(shù)據(jù)。 本章小結(jié) 針對(duì) 道路擁堵判別 這一 個(gè) 多輸入的非線性系統(tǒng)建模問題， 本章 提出 了基于概率神經(jīng)網(wǎng)絡(luò) （ PNN）理論 的分類方法。我希望借此機(jī)會(huì)向梁新榮老師表示衷心感謝！ 同時(shí)，也要感謝畢業(yè)設(shè)計(jì)過程中給予我關(guān)心與幫助的 蘭楊芳同學(xué)和黃文冠同學(xué) ，和他們討論 研究問題能讓我多角度地去思考問題 ，讓我在設(shè)計(jì)上學(xué)會(huì)創(chuàng)新，我獲益匪淺，同時(shí)也看到了自身的不足，在今后的學(xué)習(xí)中我將不懈地努力完善自己。 %Test begin P2=[ 五邑大學(xué)本科畢業(yè)設(shè)計(jì) 21 ]39。微波檢測器，采用了先進(jìn)的數(shù)字雷達(dá)波技術(shù)，它能夠 實(shí)時(shí)檢測交通流量、平均車速 及車道占用率等交通數(shù)據(jù)的產(chǎn)品 。 在 MATLAB 的命令窗口輸入命令： nntool，回車后可以進(jìn)入神經(jīng)網(wǎng)絡(luò)工具箱的圖形用戶界面（ GUI），圖形用戶界面（ GUI）包括 7 個(gè)顯示區(qū)域 和 2 個(gè)按鈕區(qū)。 [6] 綜上所述，在訓(xùn)練網(wǎng)絡(luò)時(shí)，網(wǎng)絡(luò)直接存儲(chǔ)訓(xùn)練樣本向量作為網(wǎng)絡(luò)的模式樣本向量，在完成非線性處理后，再送入求和層中。x175。 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，然后使用神經(jīng)網(wǎng)絡(luò)對(duì) 檢測的 結(jié)果進(jìn)行分類，最后給出 檢測的結(jié)果，結(jié)果分成有事件和無事件兩種類型， 仿真 的 結(jié)果表明該算法相對(duì)于傳統(tǒng)的事件檢測算法 有時(shí)效和準(zhǔn)確率上的優(yōu)勢(shì) 。近年來，仿真建模方法進(jìn)入了我們的視線。從小的方面來看，交通擁堵會(huì)導(dǎo)致車輛延誤、行駛時(shí)間延長，影響著人們的日常生活；從大的方面來看，交通擁堵會(huì)使空