基于神经网络的城市交通流量预测模型研究

摘要

第一章 绪论

1．1 课题研究的背景及意义

1．1．1 交通问题现状及解决措施

1．1．2 智能交通系统

1．1．3 智能交通系统国内外研究现状

1．2 交通流量预测概述

1．3 本课题的研究内容

第二章 交通流理论简介与特性分析

2．1 交通流基本参数

2．2 交通流特性

2．3 交通流时间特性分析

2．4 交通流空间特性分析

2．5 本章小结

第三章 交通流量预测方法的对比与分析

3．1 多元线性回归预测方法

3．2 卡尔曼滤波方法

3．3 支持向量机方法

3．4 人工神经网络方法

3．4．1 人工神经网络基础

3．4．2 人工神经网络预测方法

3．5 已有方法的比较分析

3．6 本章小结

第四章 改进的BP算法及输入相关性分析

4．1 BP神经网络

4．2 改进的BP神经网络

4．3 基于遗传算法的BP神经网络算法

4．4 基于神经网络的预测模型的输入量的选取

4．4．1 交通流量的自相关函数

4．4．2 用FFT对自相关函数的快速计算

4．4．3 交通流量数据的相关曲线

4．5 本章小结

第五章 神经网络交通流量预测模型仿真

5．1 交通流量预测模型的结构

5．2 BP神经网络的交通流量预测模型仿真

5．3 改进的BP神经网络的交通流量预测模型仿真

5．4 基于遗传算法的BP神经网络的交通流量预测模型仿真

5．5 结果分析

5．6 本章小结

总结与展望

参考文献

攻读学位期间发表的论文

声明

致谢