大規(guī)模路網(wǎng)動(dòng)態(tài)交通流預(yù)測模型和算法研究.pdf

1、交通流誘導(dǎo)是目前公認(rèn)的提高交通效率和機(jī)動(dòng)性的最佳途徑，其目標(biāo)是在交通網(wǎng)絡(luò)中為行人提供最優(yōu)的旅行路徑。針對(duì)如交通網(wǎng)絡(luò)一樣的時(shí)變網(wǎng)絡(luò)，前人已經(jīng)給出了多種有效的路徑尋優(yōu)算法。但這些算法要投入動(dòng)態(tài)交通流誘導(dǎo)中應(yīng)用，目前一個(gè)亟待解決的關(guān)鍵問題是給出交通網(wǎng)絡(luò)中每條鏈路上的旅行時(shí)間函數(shù)Tij(t)，為此本文采用交通流預(yù)測的方法動(dòng)態(tài)地給出函數(shù)Tij(t)的值。本文針對(duì)大規(guī)模路網(wǎng)(大中型城市交通路網(wǎng))開展動(dòng)態(tài)交通流預(yù)測模型和算法的研究，其內(nèi)容主要包括兩大

2、方面，其一研究路網(wǎng)中單條路段(分有檢測器和無檢測器交叉口兩類路段)的交通流預(yù)測模型和算法，其二研究路網(wǎng)動(dòng)態(tài)交通流預(yù)測模型。本文的研究具體包括以下三個(gè)方面： 第一，路網(wǎng)中有檢測器路段的交通流預(yù)測是路網(wǎng)交通流預(yù)測的核心，對(duì)于該類路段的交通流預(yù)測，本文采用了廣義神經(jīng)網(wǎng)絡(luò)預(yù)測模型和算法，然而在實(shí)時(shí)在線交通流預(yù)測中，廣義神經(jīng)網(wǎng)絡(luò)仍然存在推廣能力差，收斂速度慢等缺點(diǎn)。為此，本文一方面給出一種結(jié)構(gòu)優(yōu)化學(xué)習(xí)算法，通過在訓(xùn)練過程中自動(dòng)選取最優(yōu)的網(wǎng)

3、絡(luò)結(jié)構(gòu)，有效地提高了在線交通流預(yù)測的準(zhǔn)確性。另一方面，提出一種基于蝶形網(wǎng)絡(luò)的并行學(xué)習(xí)算法，與現(xiàn)有的基于訓(xùn)練集分解的并行學(xué)習(xí)算法相比，大大減少了迭代次數(shù)，并較好地克服了傳統(tǒng)通信模式的不足。最后利用大連市實(shí)際交通流數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果證明新算法在達(dá)到相同的預(yù)測精度前提下大大提高了收斂速度。 第二，路網(wǎng)中無檢測器路段的交通流預(yù)測是路網(wǎng)交通流預(yù)測不可缺少的一部分，本文采用多元統(tǒng)計(jì)分析方法和神經(jīng)網(wǎng)絡(luò)方法單獨(dú)建立了無檢測器路段的交通流預(yù)測