城市主干道交通狀態(tài)預(yù)測方案的設(shè)計

I五邑大學(xué)本科畢業(yè)設(shè)計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)測系統(tǒng)仿真II五邑大學(xué)本科畢業(yè)設(shè)計eIII五邑大學(xué)本科畢業(yè)設(shè)計 IV五邑大學(xué)本科畢業(yè)設(shè)計 1五邑大學(xué)本科畢業(yè)設(shè)計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，北京的交通擁擠使北京市每年要熱島效應(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。的實際意義性和隨1.3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)容的國家起步較早，并取得了一些具有影響力的成果。ARIMAMA模型等。2五邑大學(xué)本科畢業(yè)設(shè)計交通流量、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。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)。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，找內(nèi)容安排文共分成四章，各章內(nèi)容安排如下：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3五邑大學(xué)本科畢業(yè)設(shè)計研究在一定環(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)生和這一時期車輛保有量低，大部分公路上行駛的車輛相互干擾較少，能夠相對自由的前行。由于發(fā)達國家汽車產(chǎn)業(yè)的發(fā)展和道路建設(shè)，道路交通狀態(tài)的規(guī)律需要摸索并進行科學(xué)計的方法建立的模型描述交通流量和速度之間的關(guān)系，研究各類型路口交通狀態(tài)。這一時期發(fā)達國家的道路和汽車保有量快速增長，道路線程急劇增加，交通規(guī)劃和控制得到越來越多的關(guān)注。因此，要發(fā)展交通流理論來保障規(guī)劃和控制得更好、更科學(xué)。車輛數(shù)目的明顯增長，車輛之間相互影響嚴重，自由流的情況較少出現(xiàn)，大多數(shù)的車輛都是的單一車道上的行駛時后車跟隨前車的行駛狀態(tài)，并用動力學(xué)模型表達及進行數(shù)學(xué)分析。通問題。此階段城市狀態(tài)。因此這階段應(yīng)用流體力學(xué)的基礎(chǔ)原理，模擬流體的連續(xù)性方程，建立車流的聯(lián)系方程，用水波而抽象的車流波來比喻車流密度的稀疏變化，通過對車流波的傳播速度的認真分析，尋找車流流量，車速與密度之間的關(guān)系。通數(shù)據(jù)的采集。可得到的交通數(shù)據(jù)有：車速、車流量和道路占有率。4五邑大學(xué)本科畢業(yè)設(shè)計sV=L(tt)e10(1)檢測工具對單一車輛閉環(huán)時間(h)用tt表示；(2)有效檢測工具長度跟車的均長之和(km)用L表示。eQV=Le.9sV=1=nlnVii=1ii=1siiTii=1i數(shù)(輛)，時間間隙(h)，對應(yīng)車輛引起的檢測工具閉環(huán)時間(h)速度的關(guān)系fjj得b=k，將a和b代入上式，得速度—密度關(guān)系式：kj5得vf=0，即k=j，代入式(2-8)得：得vf=0，即k=j，代入式(2-8)得：q=jfv=v(1k)fkj流量的關(guān)系q=v(kk2)fkjm2kvkfkm2jkvm4m4fkjvjfjvf(2-7)(2-8)(2-9)(2-10)2m2mmmf2.5本章小結(jié)本章簡單介紹了交通流的概念及其基本模型，并分析研究了交通流參數(shù)之間相互的關(guān)6五邑大學(xué)本科畢業(yè)設(shè)計3.1神經(jīng)網(wǎng)絡(luò)的概述人工神經(jīng)網(wǎng)絡(luò)(ANN)是智能控制領(lǐng)域研究歷史上相對比較長但發(fā)展歷經(jīng)曲折的交叉此外，它還有學(xué)習(xí)功能，通過學(xué)習(xí)來獲取外部的知識并將其存儲在網(wǎng)絡(luò)內(nèi)，盡管無法與人腦的完美無缺相媲美，但它可以解決計算機不易處理的難題，特別是組合優(yōu)化計算，智能控制，語音和圖像的理解、識別和知識的處理等一系列本質(zhì)上為非計算的問題。此外，它是一種多輸入，單輸出的非線性元件。從連接方式上看可分成相互結(jié)合型和中各層的神經(jīng)元只接收前一層神經(jīng)元的輸出。而相互結(jié)合型網(wǎng)絡(luò)中任意兩個神經(jīng)元間都有可能連接，所以輸入信號需在神經(jīng)元間傳來傳去，開始于某一初態(tài)，變化多次，慢慢達到某一穩(wěn)態(tài)或者周期振蕩等狀態(tài)?；谌斯ど窠?jīng)網(wǎng)絡(luò)的控制，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力，容錯能力，魯棒性和非線性映射能大的發(fā)展。系統(tǒng)能適應(yīng)不確定性、時變的對象與環(huán)境等功能在人們心目中越來越重要。此具有這些優(yōu)點的神經(jīng)網(wǎng)絡(luò)讓人們不得不重視它。3.2人工神經(jīng)元模型生物神經(jīng)元的簡單化和模擬構(gòu)成了人工神經(jīng)元，它是人工神經(jīng)網(wǎng)絡(luò)處理基本信息的單元，是人工神經(jīng)網(wǎng)絡(luò)設(shè)計的基礎(chǔ)。I=nwx9ijiiij=1y=f(I)ii7五邑大學(xué)本科畢業(yè)設(shè)計wwj1x1xx2wif(*)xyj2jini作用函數(shù)f(*)又叫做變換函數(shù)，神經(jīng)元的輸出由它決定。作用函數(shù)f(*)通常為階躍函類型|l_1v三_1(3-4)(3-5) 8五邑大學(xué)本科畢業(yè)設(shè)計3.3神經(jīng)網(wǎng)絡(luò)模型前向型神經(jīng)網(wǎng)絡(luò)，在計算輸出值的過程中，輸入值從輸入層單元向前逐層傳播經(jīng)過中間層最后到達輸出層得到輸出。前向網(wǎng)絡(luò)第一層的單元與第二層所有單元相連，第二層又與其上一層單元相連，同一層中的各單元之間沒有連接。前向網(wǎng)絡(luò)中神經(jīng)元的激發(fā)函數(shù)，可采用線性硬閥值函數(shù)或單元上升的非線性函數(shù)等來表示。輸入層隱含層輸出層9五邑大學(xué)本科畢業(yè)設(shè)計反饋網(wǎng)絡(luò)又稱動態(tài)神經(jīng)網(wǎng)絡(luò)或回歸網(wǎng)絡(luò)，與其他網(wǎng)絡(luò)所不同的是，反饋網(wǎng)絡(luò)的輸出不僅和當(dāng)前網(wǎng)絡(luò)的輸入有關(guān)，也和網(wǎng)絡(luò)以前的輸出、輸入有關(guān)。它的輸入包含有延遲的輸入或者輸出數(shù)據(jù)的反饋。反饋網(wǎng)絡(luò)以回饋的形式來看，有兩種：一種是輸入有延遲的實踐延遲回饋網(wǎng)絡(luò)，另一種是輸入有延遲，輸出有回饋的層回饋網(wǎng)絡(luò)。反饋網(wǎng)絡(luò)中，系統(tǒng)的初始狀態(tài)由輸入信號決定，隨后經(jīng)過一系列狀態(tài)轉(zhuǎn)移達到最后的平衡狀態(tài)即計算后的輸出結(jié)果。由此可見，穩(wěn)定性在反饋網(wǎng)絡(luò)中有舉足輕重的地位。倘若想是網(wǎng)絡(luò)競爭層中的各神經(jīng)元通過競爭來獲取對輸入模式的響應(yīng)機會，最后僅剩一個輸出它競爭的方向調(diào)整。3.4神經(jīng)網(wǎng)絡(luò)的特點及其應(yīng)用4．神經(jīng)網(wǎng)絡(luò)的硬件實現(xiàn)超大規(guī)模集成電路(VLSI)硬件的實現(xiàn)，使人工神經(jīng)網(wǎng)絡(luò)能有效且快速地解決規(guī)模很大的問題。五邑大學(xué)本科畢業(yè)設(shè)計3.5神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)式將均為小正數(shù)的權(quán)值反復(fù)加載后使網(wǎng)絡(luò)不斷受到刺激，直到產(chǎn)生同樣的刺激，并最終使相應(yīng)的連接權(quán)增大到接近1的某值。簡單來說就是加入了相似的或已學(xué)習(xí)過的刺激后，輸出端產(chǎn)生的。輸入端加載輸入數(shù)據(jù)，再通過比較網(wǎng)絡(luò)的實際和期望輸出得到誤差，然后由誤差的情況絕大部分要修改各連接權(quán)值，使網(wǎng)絡(luò)向正確響應(yīng)的方向變化到實際輸出減去期望輸出在允許范圍之內(nèi)為止。bij本對也先給定；然后再算目標函數(shù)J，那么神經(jīng)元以第p組樣本為輸入的輸出公式為： j=0五邑大學(xué)本科畢業(yè)設(shè)計((3-9)2p_p2ppp2p_p2ppp 采用的是有導(dǎo)師學(xué)習(xí)方法。首先設(shè)置一個較小的隨機非0值作為初始權(quán)值。然后給定設(shè)神經(jīng)元i到神經(jīng)元j的連接權(quán)值是wij，神經(jīng)元i的輸入為vi，則連接權(quán)值的調(diào)整公式為編wij=a(vi_wij)(3-13)iviwij是外星學(xué)習(xí)規(guī)則。適3.6本章小結(jié)本章首先對神經(jīng)網(wǎng)絡(luò)進行了詳細的概述，然后再對其結(jié)構(gòu)模型進行了詳細的說明，最后論述了其特點及學(xué)習(xí)方式、算法，使人對神經(jīng)網(wǎng)絡(luò)有初步認知。五邑大學(xué)本科畢業(yè)設(shè)計1.1概述輸出層和隱含層有類似于前饋網(wǎng)絡(luò)的連接方式。輸入層單元和輸出層單元分別起信號傳輸顧名思義是用來記憶中間層單元前一時刻的輸出值并返回給輸入。它通過存儲內(nèi)部狀態(tài)使其具備映射動態(tài)特征的功能，從而使系統(tǒng)具有適應(yīng)時變特性的能力，它能夠更生動、更直kw1kDDDcck輸出y(kx(k)x(k)kk的輸入，此自聯(lián)方式使其敏感于歷史狀態(tài)的數(shù)據(jù)。同時，網(wǎng)絡(luò)本身處理動態(tài)信息的能力也隨內(nèi)部反饋網(wǎng)絡(luò)的加入大大增強，最后達到了動態(tài)建模的目的。此外，承接層從中間層接受反饋信號，用它來記憶中間層單元前一時刻的輸出值。前饋網(wǎng)絡(luò)的輸入包括外部輸入值x(k)=f[w1x(k)+w2u(k1)]kck五邑大學(xué)本科畢業(yè)設(shè)計x(k)=x(k1)cy(k)=g[w3x(k)]kkkk由式(4-1)-(4-3)得：x(k)=x(k1)=f[w1x(k1)+w2u(k2)]ck1ck1又因為xc(k1)=xc(k2)，上式能繼續(xù)展開。說明了x(k)與過去不同時刻的連接權(quán)c (w1,w2，…)有關(guān),也就是說x(k)是一個動態(tài)遞推過程。對應(yīng)的，動態(tài)反向傳播學(xué)習(xí)kkcPF五邑大學(xué)本科畢業(yè)設(shè)計.2.1仿真背景響，如氣候、時間等等。但在某個特定的時間段內(nèi)，每條干道上的車流量、車速甚至是車的類型又是有規(guī)律可循的，其具有豐富的內(nèi)部層次有序結(jié)構(gòu)，是一種介于隨機性和確定性之間Elman網(wǎng)絡(luò)的交通流量進行預(yù)測。.2.2樣本數(shù)據(jù)選擇樣本數(shù)據(jù)對網(wǎng)絡(luò)泛化能力有關(guān)鍵性的影響，訓(xùn)練網(wǎng)絡(luò)所使用的樣本數(shù)據(jù)應(yīng)從樣本的質(zhì)量、數(shù)量和代表性三個方面考慮。樣本質(zhì)量高低和樣本數(shù)量的多少都影響著系統(tǒng)的準確性和可行性，樣本的質(zhì)量越高，數(shù)量越多，則所得到的系統(tǒng)盼函數(shù)越準確，系統(tǒng)的擬合程度有這兩方面都具備了才能提高網(wǎng)絡(luò)的擬合能力。訓(xùn)練用的樣本決定了網(wǎng)絡(luò)性能的好壞，而一個注重了樣本規(guī)模的同時又注重了樣本質(zhì)量的訓(xùn)練樣本集才算得上一個好的樣本。，影響。因此，網(wǎng)絡(luò)訓(xùn)練的輸入-輸出非線性映射關(guān)系的復(fù)雜與否決定了其所需要的樣本數(shù)的多少。影射關(guān)系越復(fù)雜，則樣本噪聲就越大，所需要的樣本數(shù)也越多，因而網(wǎng)絡(luò)的規(guī)模也就越大。一般來說我們都會參考這樣的一個經(jīng)驗規(guī)則：訓(xùn)練樣本數(shù)為網(wǎng)絡(luò)連接權(quán)總數(shù)的5有另一類樣本集中輸入，權(quán)值就會向新的映射關(guān)系去調(diào)整，同時也否定前面的訓(xùn)練結(jié)果。.3神經(jīng)網(wǎng)絡(luò)輸入數(shù)據(jù)的歸一化處理S入五邑大學(xué)本科畢業(yè)設(shè)計著中間部分預(yù)測比兩端要精確得多。尤其是在高端預(yù)估得一般比實際值低，而在低端預(yù)估得一般比實際值高，即是說用神經(jīng)網(wǎng)絡(luò)預(yù)測出來的范圍要小于實際范圍。為此輸出數(shù)據(jù)需被壓縮到離中心點較近的范圍內(nèi)，就像對于對數(shù)函數(shù)的輸出，需縮放至0.1~0.9間甚至是，需把它變換至一個相對較小的范圍內(nèi)，如在0~1間。xn其中，輸入或輸出數(shù)據(jù)用X表示；數(shù)據(jù)變化范圍的最小值用Xmin表示；數(shù)據(jù)變化范完成網(wǎng)絡(luò)設(shè)計后，需用設(shè)計值進行訓(xùn)練。對所有樣本正向運行一輪并反向修改權(quán)值一一個網(wǎng)絡(luò)的泛化能力的好壞決定著其性能的優(yōu)劣，而測試其泛化能力要用訓(xùn)練集以外隨機地分為兩部分：一部分作為訓(xùn)練集；另一部分作為測試集。倘若網(wǎng)絡(luò)對訓(xùn)練集樣本的誤差很小，而對測試集樣本的誤差很大，說明網(wǎng)絡(luò)已經(jīng)被訓(xùn)練得過度吻合，所以泛化能力很差。而網(wǎng)絡(luò)實現(xiàn)的類似查表的功能會在過度訓(xùn)練的極端情況下顯示?！皌raindx”或“triangda”更少，因此采用“trainlm”作為訓(xùn)練方法。五邑大學(xué)本科畢業(yè)設(shè)計作位每小時記錄一次，交通流實測數(shù)據(jù)192個。中山解放路某路口東西直行的部分交通流量數(shù)據(jù)時間段時間段流量時間段流量2.5仿真程序及結(jié)果用作測試集，設(shè)置回歸神經(jīng)網(wǎng)絡(luò)的輸五邑大學(xué)本科畢業(yè)設(shè)計========五邑大學(xué)本科畢業(yè)設(shè)計五邑大學(xué)本科畢業(yè)設(shè)計=====五邑大學(xué)本科畢業(yè)設(shè)計差(%)(%)流量預(yù)測值流量預(yù)測值流量實際值P123456789五邑大學(xué)本科畢業(yè)設(shè)計4.3本章小結(jié)n五邑大學(xué)本科畢業(yè)設(shè)計結(jié)論隨著社會經(jīng)濟的發(fā)展也帶動著交通的迅猛發(fā)展，交通工具的飛速發(fā)展，給人們帶來了極大的方便，極大地提高了人們的生活范圍，但是，隨著人們出行率的提高和私家車擁有量的飆升，很多時候讓我們對于出行是敢想而不敢為。短短的一段路，倘若塞起車來，用網(wǎng)絡(luò)流行點的話語來講是一塞回到解