神经网络在交通流量预测中的应用与研究 毕业论文设计参考资料展示课件模板

1、神经网络在交通流量预测中的应用与研究 四、课题拟研究内容 五、技术路线目 录 六、可行性分析 七、进度安排及参考文献 二、国内外研究现状 一、研究背景及意义 三、目前存在的问题研究背景及意义 交通预测是智能交通系统(ITS)研究的核心内容之一，交通流量则是判别道路交通状态的一个关键因素。 交通预测的目的是依据主要道路交叉路口和断面的交通流量信息，利用适当的方法进行实时动态预测，为给出行者提供最佳行驶路线、均衡交通流、优化交通管理方案、改进交通控制。 研究背景及意义传统交通流预测方法简单比较研究背景及意义智能算法的深入研究与广泛应用传统的方法已经不能满足要求运输网络亟需提高运输能力智能交通系统(

2、ITS)的发展交通流量随社会经济发展不断增大道路系统的时变性、复杂性和不确定性国外研究现状( 近年来，随着智能方法的研究和应用，利用神经网络实现交通量的预测得到了很好的效果。)Nicholson和Swarm利用谱分析法进行交通量的预测Gazis D.C、Knapp C.H.利用卡曼滤波理论简历了交通量预测模型，结果优于基于数据序列的预测方法。P.C.Vythotkas 提出基于Kalman滤波理论的交通量预测模型。国内研究现状杨兆升，谷远利(1998)应用高阶广义神经网络进行交通流实时在线预测2007朱文兴等提出一种基于RBF神经网络的交通流量预测算法 2010年张敬磊等基于非线性组合模型的交

3、通流预测方法目前存在的问题神经网络需要大量自我学习数据，数据不足会导致不好的预测结果所选神经网络闭的环系统稳定性问题如何选择更精确的网络模型和预测方法交通流越来越呈现极强的不确定性，数据表现出无规律的波动性，为精确预测带来了极大的困难课题拟研究内容 论文初期查阅国内外交通预测的方法及发展动态；学习和研究神经网络各类算法。研究神经网络在交通量预测中的相关理论知识，并将现有方法进行比较； 提出一种适用于交通流预测的神经算法，并验证其拥有的优越性。技术路线可行性分析交通流理论和智能算法的不断深入研究为交通预测提供了坚实的理论基础。神经网络能够在信息源不完整、不准确等复杂的数据环境下，通过其自身结构的

4、调整过程，提取数据特性，并对未来做出有效的预测。神经网络算法在交通预测中的应用与研究充分表明其预测结果普遍比传统方法精确。可行性分析?进度安排查阅大量资料，确立研究方向，完成开题研究神经网络算法提出一种优越神经算法，并验证其正确性完成论文的撰写，准备答辩研究交通量预测知识，将已有方法进行分析比较参考文献朱文兴,基于RBF神经网络的交通流量预测算法J 山东大学学报37,4(2007,8)丹尼尔 L.鸠洛夫 ,交通流理论M王殿海,交通流理论M,人民交通出版社,2002张敬磊,王晓原,基于非线性组合模型的交通流预测方法J,计算机工程,36,5(2010,3)曹炜,基于BP神经网络的城市交通流量预测与路口分析D,昆明理工大学,2006.胡洁,基于混沌和神经网络的短时交通流预测研究D,武汉理工大学 ,2007.孙丽娟,基于遗传算法的小波神经网络短时交通流预测D,山东科技大学,2009.参考文献Martin T.Hagan,神经网络