基于小波神经网络和GIS的短时交通流预测及路径规划任务书
2020-02-18 15:58:52
1. 毕业设计（论文）主要内容：
道路交通流的预测对于政府部门进行交通规划管理以及居民日常导航具有重要意义。
凭借着小波神经分析理论的时序性和频率性，建立神经网络模型，对城市道路短时交通流做出预测；之后结合GIS的最小成本路径分析方法实现路径规划，并结合实测数据进行对比分析，为评价城市交通状况以及为居民制定合理的出行路线提供一种参考。
2. 毕业设计（论文）主要任务及要求
1、查阅不少于15篇的相关文献资料，其中英文文献不少于2篇，完成开题报告。2、设计和实现小波神经网络和gis的短时交通流算法。
3、基于小波神经网络和gis的短时交通流预测道路交通流量。
4、撰写完成不少于15000字的毕业论文。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 毕业设计（论文）完成任务的计划与安排
第3周—第5周 文献调研与资料分析，撰写开题报告；第6周—第10周 设计和实现小波神经网络和gis的短时交通流算法。
第11周—第14周 基于小波神经网络和gis的短时交通流算法预测道路交通流量。
第15周—第16周 撰写论文，毕业答辩。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
4. 主要参考文献
[1]蒋婷婷. 基于鸡群算法的小波神经网络短时交通流预测研究[D].西南交通大学,2018.
[2]Qigang Zhao, Xuming Fang, Qunzhan Li, Zhengyou He. WNN-based NGN traffic prediction[P]. Autonomous Decentralized Systems, 2005. ISADS 2005. Proceedings,2005.
[3]丁肃然.基于小波神经网络模型的短时交通流低频数据的预测[J].技术与市场,2017,24(11):80-81 83.
[4]雷斌,温乐,耿浩,李建明.基于加权组合模型的短时交通流预测研究[J].测控技术,2018,37(05):37-41.
[2]Qigang Zhao, Xuming Fang, Qunzhan Li, Zhengyou He. WNN-based NGN traffic prediction[P]. Autonomous Decentralized Systems, 2005. ISADS 2005. Proceedings,2005.
[3]丁肃然.基于小波神经网络模型的短时交通流低频数据的预测[J].技术与市场,2017,24(11):80-81 83.
[4]雷斌,温乐,耿浩,李建明.基于加权组合模型的短时交通流预测研究[J].测控技术,2018,37(05):37-41.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
