年代初才有少数研究成果公开发表。到了最近几年开始多了起来,但和发达国家还是有差距的,因此我们必须加快这方面的研究。尽管国外已有比较成熟的模型可以加以借鉴和参考,但对交通流这种复杂的非线性过程来说,其预测对象的不确定性和实时性要求非常高。中国的交通情况比较复杂,道路不规则,干扰大,我们必须根据我国国情,找出一套适合我们的预测,控制交通流方法,才能有效的用于解决交通拥挤,出行用户和专业用户交通信息支持等问题。这不仅要对我国交通流状况有很深刻的认识,而且需要对预测模型的相关算法进行实时的改进和合理的设计。本文的研究,正是基于深圳智能交通系统(SUTSS)一期工程的空间数据(其中包括路段地理信息和交通信息),着重于数据挖掘技术中的BP人工神经网络模型,来进行交通预测研究的。1.4论文主要内容本文的研究基于深圳市智能交通系统,集中在解决短时交通流预测的问题上展开研究,通过运用数据挖掘中的神经网络模型,构建BP神经网络对采集来的交通数据进行样本训练,得到预测算法。本文的结构是这样的:第一章,前言。主要介绍了本文所基于的研究背景和交通流预测理论在现代智能交通系统中所发挥的重要作用。并结合国内外发展现状,和本文研究所基于的系统SUTSS的一期开发情况,并由此说明了本研究的目的和意义。第二章,交通流预测的相关背景理论。对本文研究相关的智能交通系统,空间数据挖掘技术,交通流预测和BP神经网络的相关理论知识分别进行介绍,主要着重于本论文研究所要基于的重要理论加意详细解析,为下面交通流预测的实现打下理论基础。第三章,短时交通流预测在智能交通系统中的应用前景。结合SUTSS项目的一期成果和后期模型,对本研究的可行性和需求做详细的分析,并确认本研究的预测目标。第四章,基于SUTSS的交通流预测模型设计。基于SUTSS项目的采集数据表和地理路段信息表,以及第二个章节所述的相关理论,设计出整个模型的实现6
全文预览
