基于人工智能神经网络的交通

论文编号:ZD256 论文字数:16704,页数:35

摘 要
 

 智能交通系统是目前世界上公认的解决城市交通拥堵问题的有效措施，实时、准确的交通流量预测是智能交通系统实现的关键技术之一。在简要介绍智能系统中交通流量的实时检测设备的基础上，为满足交通流量诱导系统的理论需要，建立了实时交通流量神经网络预测模型。交通流量预测在道路交通规划与建设中占有重要的地位，是道路交通规划与建设中重要的技术指标，但现行的交通流量预测方法大都存在许多问题，因此本文应用人工神经网络的BP网络模型，建立交通流量预测模型，并以实际道路为例，对模型进行了理论验证。经验证，可以实现对交通流量的快速、准确预测，且精度较高具有可行性。该模型为交通流量诱导系统提供了预测交通状况的很好的一种方法。
 
 关键词：人工神经网络；智能交通系统；交通量预测

TRAFFIC FLOW PREDICTION DISPLAY AND STUDY BASED ON NEURAL NETWORK
 Abstract

    Intelligent Transportation System (ITS) is recognized as one of the most efficient measures to solve the city traffic jam and traffic safety problems. Accurate real-time prediction of traffic flow is the key technology in ITS. The real-time traffic flow prediction model with neural network is established to meet the theoretical needs for traffic flow guidance systems based on simple introduction the real-time detection device in ITS. Traffic volume is important in the traffic planning and construction, which is important technical indicator of them, but the present traffic volume methods almost have many problems, so in this paper a model of traffic volume forecast has been founded in artificial neural network BP model. Also, the paper takes real road as an example to verify this model which can predict traffic flow fast and correctly, still has higher precision and feasibility. The model provides a good method for traffic flow guidance systems to predict traffic condition.

 Key words： artificial neural network; intelligent transportation system; traffic flow 

目  录                                   
摘要 
Abstract  
第1章  绪论  1
 1.1 智能交通系统简介  1
 1.2 课题背景、目的及意义  2
 1.3 国内外研究现状  2
 1.4 本文主要研究内容  2
第2章  人工神经网络的原理  4
 2.1 人工神经元网络研究的发展简史  4
 2.2 人工神经元模型  5
 2.3 人工神经元网络的特点  7
 2.4 人工神经网络的基本原理  7
第3章  交通流量分析与研究  10
 3.1 空中交通流量管理分析与研究  10
 3.2 城市路网结点交通流量调查  12
第4章  模型建立  15
 4.1 BP人工神经网络原理  15
 4.2 BP网的神经元模型及网络结构  16
 4.3 BP神经网络  17
 4.4 BP网实现对交通流的预测  21
 4.5 改进的BP神经网络  22
 4.5.1 改进BP网络算法的思路  23
 4.5.2 改进BP网络的交通流预测算法  24
第5章  Matlab仿真  26
 5.1 Matlab特点与应用  26
 5.2 Matlab神经网络工具箱函数简介  27
 5.3 算例  28
结论   30
参考文献  31
致谢  32
附录 1   33
附录 2   35

相关论文