论文总字数：19784字

摘 要

随着经济、商业、科学等领域的发展和城市化进程的逐步加快，道路拥堵情况变得越来越严峻，给人们的出行带来了很多不便。目前交通调控逐渐向智能化发展，交通流量预测作为交通管制中的基础内容，获取准确的预测数据有助于缓解道路交通拥挤，提高通行能力。

交通流具有不确定性、时变性强等特性，为了提高预测模型的准确率，本文的工作从以下几个方面展开：

（一）本文首先介绍了交通流参数和特点，叙述了交通流预测流程、预测模型的分类及其特征，提出评价预测效果的指标。

（二）本文叙述了数据采集技术，并对统计到的原始交通流数据进行分析，识别出问题数据并对其进行修复。

（三）叙述了小波神经网络预测算法的流程，其网络结构的确定，然后通过Matlab对网络模型进行仿真，比较实际流量与预测流量的拟合程度，分析预测结果。

（四）描述了Elman神经网络的基本知识，包括原理和结构，同时也使用Elman神经网络建立预测模型，分析预测效果，并与小波模型比较分析。

关键词：神经网络 交通流量预测模型 智能交通系统

Research on Forecasting Model of Urban Road Traffic Flow Based on Neural Network Algorithm

Abstract

With the economic, commercial, scientific and other fields of development and urbanization process gradually accelerated, the road congestion situation becomes more and more serious which has brought a lot of inconvenience to people's travel. At present, traffic regulation are progressing towards intelligent development. Traffic flow forecasting is the basic content of traffic control. Obtaining accurate forecast data to help alleviate road congestion, improve traffic capacity.

Traffic flow has the characteristics of uncertainty, time variability and so on. In order to improve the accuracy of forecasting model, the work of this paper is from the following aspects:

(1) This paper introduces the parameters and characteristics of traffic flow firstly, describes the traffic flow forecasting process, the classification of forecasting model and its characteristics, and puts forward the index to evaluate the forecasting effect.

(2) This paper describes the data acquisition techniques, and the statistics to the original traffic flow data analysis, identify the problem data and repair it.

(3) Describe the prediction algorithm flow of wavelet neural network, the determination of its network structure, Then, the simulation is carried out on the network model through Matlab, compare the fit degree of the actual flow and predicted flow, and analyze the forecast results.

(4) Describe the basic knowledge of Elman neural network, including the principle and structure, and use Elman neural network to establish the prediction model, analyze the prediction effect and compare with the wavelet model.

Keywords : neural network ; traffic flow forecasting ; ITS(intelligent transportation system)

目 录

摘要 I

Abstract II

第一章 绪论 1

1.1 课题的研究背景与意义 1

1.2 国内外研究现状 1

1.2.1 ITS的研究现状 2

1.2.2 交通流量预测的研究现状 2

1.3 本文的主要工作 3

第二章 交通流量预测的相关理论 5

2.1 交通流基本参数 5

2.2 交通流特性 6

2.3 城市交通流预测基本流程 7

2.4 交通流预测模型特征及分类 8

2.5 交通流预测评价指标 9

第三章 城市道路数据采集与预处理 10

3.1 交通流量数据的采集 10

3.1.1 交通流量数据的采集方法 10

3.1.2 交通流量数据的统计 12

3.2 数据的预处理 15

3.2.1 数据异常的识别 15

3.2.2 数据异常的修复 16

第四章 基于小波神经网络的预测模型 17

4.1 神经网络 17

4.2 小波神经网络 18

4.2.1 小波神经网络预测算法 19

4.2.2 小波神经网络结构的确定 20

4.3 小波神经网络预测实验及结果 21

4.3.1 实验平台与实验数据 21

4.3.2 实验结果及分析 22

第五章 基于Elman神经网络的预测模型 25

5.1 Elman神经网络 25

5.1.1 Elman神经网络原理 25

5.1.2 Elman神经网络结构 25

5.2 Elman神经网络预测实验及结果 26

5.3 小波与Elman神经网络预测结果对比 28

第六章 总结与展望 31

参考文献 32

致谢 33

第一章 绪论

1.1 课题的研究背景与意义

交通问题同社会经济发展息息相关，伴随着人民生活水平的逐渐提高，经济的发展，社会各方面对道路交通的要求逐渐提高，对于国家的经济发展而言，交通问题的影响不能忽视。随着汽车行业的发展和城市化进程的加快，我国汽车总数表现出高速增长的态势。

据统计，首都北京上下班拥塞成本排名第一，为375元/人/月，然后是上海和广州这两个城市，大城市中拥塞成本最低的西安，然而每月也有69.4元。而且，交通道路拥挤问题不仅仅存在于我国的特大型城市中，高速发展的二三线城市同样被此问题影响。尽管道路交通基础设施建设也有了日新月异的发展，但以我国城市道路年平均3-5%的增长率，根本无法满足汽车15%保有量增长率的现状。导致道路拥挤问题变得越来越严峻，到现在仍没有好的改善方法。有限的空间、大量的资金和人力投入，使单纯的道路建设难以从根本上改变现状，因此，可以结合交通科学和智能控制技术等方法，改善道路通行能力。于是运用先进的智能控制技术系统地解决交通拥堵问题的智能交通系统（Intelligent Transportation System，ITS）就应运而生了。

请支付后下载全文，论文总字数：19784字