82基于神经网络的交通流预测研究

河北工业大学硕士学位论文基于神经网络的交通流预测研究姓名：彭进申请学位级别：硕士专业：模式识别与智能系统指导教师：赵晓安20081101河北工业大学硕士学位论文i基于神经网络的交通流预测研究摘要作为智能交通系统的核心内容之一，智能交通控制与诱导系统一直是智能交通研究的热门课题。城市交通流控制与诱导系统的实现将有效地减少交通拥挤和城市环境污染，提高道路通行能力和改善交通安全状况。而实时、准确的交通流量预测正是这些系统实现的前提及关键，交通流量预测结果的好坏直接关系到交通控制与诱导的效果。交通控制与诱导系统需要在做出控制(诱导)变量决策的时刻对下一决策时刻乃至以后若干时刻的交通流量做出实时预测。目前，我国普遍采用遥感微波检测器或环形线圈检测器检测实时交通流量。但是，对于一个完善的交通流诱导系统而言，采用实时检测设备检测的交通流信息具有滞后性。因此，实现城市交通流诱导系统的关键是道路交通状况的预测，也就是采用相应的技术，以有效地利用实时交通数据信息滚动预测未来一段时间内的交通状况。根据预测的交通流信息实现交通流的诱导，以避免交通拥挤，实现交通的畅通。本文主要研究人工神经网络在实时交通流预测中的应用。在应用人工神经网络预测交通流量方面提出了有效的途径。本论文的主要研究工作为：(1)介绍了交通流预测系统基本概念及理论框架，并提出了路段短时交通流预测模型；(2)利用BP神经网络的优势，提出了一种改进型BP网络算法。实验结果表明该算法在路段短时交通流预测方面有着优良的效果；(3)结合递归Elman网络和BP网络的优点，提出了一种综合型交通流预测算法。该算法具有较强的非线性函数逼近能力和学习能力，为路段短时交通流预测提供了一种有效的途径。关键词:交通流，人工神经网络，BP网络，Elman网络，预测基于神经网络的交通流预测研究RESEARCHONTRAFFICFLOWFORCASTINGBASEDONNEURALNETWORKABSTRACTAsthecoreofoneoftheIntelligentTransportationSystem,IntelligentTrafficControlandGuidanceSystemhasbeenthehottopicofintelligenttrafficstudy.Urbantrafficcontrolandinductionsystemwillbeeffectiveinreducingtrafficcongestionandurbanpollution,toimproveroadtrafficsafetyandthesituation.Thereal-timeandaccuratetrafficflowforecastistheprerequisiteandkeyfortherealizationofthesesystems,trafficprojectionsshowthattheoutcomewillhaveadirectbearingonthetrafficcontrolandinducedeffects.Trafficcontrolandguidancesystemneededtomakereal-timeforecastinthenextmomentandevensometimeafterwhenitneedstomakethevariablesofcontrolorinduce.Atpresent,Chinaiscommonlyusingremotesensingmicrowavedetectorcoilorloopdetectortestingreal-timetrafficflow.However,toawell-inducedtrafficflowsystem,usingreal-timedetectionequipmentsdetecttrafficflowinformationwithalag.Asaresult,thekeyofachievingtheobjectofurbantrafficflowguidancesystemisroadtrafficconditionsforecasting,thatis,usingtheappropriatetechnology,effectivlyusingthereal-timetrafficdatastopredictfuturetrafficconditionsrollingllyoveraperiodoftime.Accordingtotheforecastingtrafficflowinformationtoachievethetrafficflow-inducedandavoidtrafficcongestionandthesmoothflowoftraffic.Thispaperstudiesartificialneuralnetworkinreal-timetrafficflowforecast.Makingaeffectivewaytotheapplicationofartificialneuralnetworkintrafficprediction.Themainresearchtothisthesis:（1）Introducedthebasicconceptandtheoreticalframeworkofthetrafficflowforeca-stingsystem.Madeamodelofshort-termtrafficflowprediction;（2）UsedtheadvantagesofBPneuralnetwork,makedanimprovedBPnetworkalgor-ithm.Theresultshowsthatthemethodhasagoodeffectionintheshort-termforecast.（3）CombinedtheadvantagesoftheElmannetworkandtheBPNetwork,madeaothertrafficflowpredictionalgorithm.Thealgorithmhashighlynonlinearfunctionapprox-imationandlearningability,providesaeffectivewaytotheshort-termtrafficflowforecast-ing.KEYWORDS:trafficflow,artificialneuralnetwork,bpnetwork,elmannetwork,forecastii原创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下，进行研究工作所取得的成果。除文中已经注明引用的内容外，本学位论文不包含任何他人或集体已经发表的作品内容，也不包含本人为获得其他学位而使用过的材料。对本论文所涉及的研究工作做出贡献的其他个人或集体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任由本人承担。学位论文作者签名：日期：关于学位论文版权使用授权的说明本人完全了解河北工业大学关于收集、保存、使用学位论文的以下规定：学校有权采用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提供本学位论文全文或者部分内容的阅览服务；学校有权将学位论文的全部或部分内容编入有关数据库进行检索、交流；学校有权向国家有关部门或者机构送交论文的复印件和电子版。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：日期：导师签名：日期：河北工业大学硕士学位论文1第一章绪论§1-1课题背景随着社会经济和交通事业的发展，交通拥挤和交通事故等诸多交通问题越来越凸现出来，成了全球共同关注的难题。自上世纪80年代以来，发达国家开始投入大量人力物力进行道路交通运输系统的管理与控制技术的开发。于是，运用各种高新技术系统地解决道路交通问题的思想就应运而生了，这就是智能交通系统ITS(IntelligentTransportSystem)。智能交通系统是在较完善的基础设施上(道路、机场和港口)等，将先进信息技术、数据通信传输技术、电子控制技术、传感技术、监测技术和计算机处理技术有效地集成并应用于地面传输系统，从而建立起大范围内发挥作用的、实时的、准确的、高效的传输系统。对ITS系统研究的目的是：使人、汽车或移动目标和环境和谐相处，提高人的时间利用率，提高道路的通行能力，减少环境污染。在2006年全国第13届城市智能交通大会上，建设部副部长仇保兴提出了未来中国城市智能交通的整体发展目标：十一五期间，中国要在50个以上的城市建设交通信息服务系统；100个以上的城市建立智能交通公交管理系统；在200个以上的城市建立城市智能交通控制管理系统......建设部正式将城市智能交通建设纳入“数字化城市”的建设内容。我国在该领域的研究起步比较晚，90年代初期开始这方面的研究。为推动我国ITS的开发与应用，目前，我国正在进行ITS总体发展框架的研究与制定。交通部也将ITS列入“九五”科技发展计划和2010年长期规划中。近年来，国内许多部门企业科研项目研究已超过100项。交通部公路科学研究所开发的《联网收费新形式下的组合式电子收费技术方案》取得了较好的效果，另一项目《首都机场高速路政车辆管理系统》提出了针对高速公路发生事故后的紧急急救措施。国家自然科学基金重点项目“城市交通流诱导系统理论模型和实施技术的研究”是智能交通系统的核心研究内容之一。城市交通流诱导系统的实现将有效地减少交通拥挤和城市环境污染，提高道路通行能力和改善交通安全状况。目前，我国普遍采用环形线圈检测器检测实时交通流量。随着科学技术的高速发展，由于遥感微波检测器(RTMS)具有大范围内多功能检测、易于安装和养护、寿命周期长、成本低、以及可在不利环境下工作等特点，所以，越来越广泛地应用于交通流的实时检测。但是，无论是环形线圈检测器，还是遥感微波检测器，对于一个完善的交通流诱导系统而言，采用实时检测设备检测的交通流信息具有滞后性。因此，实现城市交通流诱导系统的关键是道路交通状况的预测，也就是采用相应的技术，以有效地利用实时交通数据信息滚动预测未来几分钟内的交通状况。根据预测的交通流信息实现交通流的诱导，以避免交通拥挤，实现交通的畅通[1-2]。§1-2课题意义作为智能交通系统的核心内容之一，智能交通控制与诱导系统一直是ITS研究的热门课题。城市交通流控制与诱导系统的实现将有效地减少交通拥挤和城市环境污染，提高道路通行能力和改善交通安全状况。而实时、准确的交通流预测正是这些系统实现的前提及关键，交通流量预测基于神经网络的交通流预测研究结果的好坏直接关系到交通控制与诱导的效果。交通控制和交通诱导系统需要在做出控制(诱导)变量决策的时刻对下一决策时刻乃至以后若干时刻的交通流量做出实时预测[3-4]。实现交通流控制与诱导系统的关键问题是实时准确的交通流预测，即如何有效地利用实时交通数据信息去滚动预测未来一段时间内的交通状况。其结果可以直接送到先进的交通信息系统(ATIS)和先进的交通管理系统(ATMS)当中，给出行者提供实时有效的信息，帮助他们更好地进行路径选择，实现路径诱导，以缩减出行时间，减少交通拥挤，这种预测称为短期预测(ShorttermForecasting)，交通流预测按照时段可以分为日交通流预测、小时交通流预测、短时交通流预测等。一般认为预测时段小于15分钟的为短时交通流预测，本文将要进行的路段未来10分钟的实时交通流量预测正是短时预测[5-7]。§1-3交通流预测的发展与研究现状早在20世纪六七十年代，人们就开始将预测模型用于交通流量预测领域。较早期的预测方法主要有:自回归模型(AR)、滑动平均模型(MA)、自回归滑动平均模型(ARMA)、历史平均模型(HA)等等。随着该领域研究的逐渐深入，又出现了一批更复杂的、精度更高的预测方法。大体来说，可分成两类：一类是以数理统计和微积分等传统数学和物理方法为基础的预测模型；一类是以现代科