国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

智慧交通短時流量預(yù)測研究

2020-09-10 12:53孟祥玉楊婷婷劉學(xué)朗曹露
城市建筑與發(fā)展 2020年3期
關(guān)鍵詞:智慧交通神經(jīng)網(wǎng)絡(luò)

孟祥玉 楊婷婷 劉學(xué)朗 曹露

摘 要:隨著我國經(jīng)濟的快速發(fā)展,城市化進程的不斷加深,城市交通的負擔也越來越大,科學(xué)的進行交通規(guī)劃和誘導(dǎo)已經(jīng)成為目前各城市交通管理部門研究的重要內(nèi)容。合理規(guī)劃誘導(dǎo)的前天便是對交通流量進行科學(xué)有效的預(yù)測,本章主要針對小波神經(jīng)網(wǎng)絡(luò)展開研究分析,對交通流量預(yù)測在智慧交通中的作用進行的闡述,將小波神經(jīng)網(wǎng)絡(luò)的具體模型分析展開了詳細的研究,經(jīng)過研究目前小波神經(jīng)網(wǎng)絡(luò)可以準確科學(xué)的對城市交通流量進行預(yù)測。希望筆者的研究能給短時交通流量預(yù)測的研究人員以參考。

關(guān)鍵詞:智慧交通;神經(jīng)網(wǎng)絡(luò);小波函數(shù);短時流量預(yù)測

一、引言

隨著經(jīng)濟的不凡增長,家庭可用于支配的收入也越來越多,隨之私人車輛的數(shù)量也是逐年攀升,再加之外出頻率和出行距離的不斷增加,引起了現(xiàn)代交通的嚴重擁堵問題,交通擁堵已經(jīng)成為各大城市迫切解決的主要問題之一,通過對交通流量的準確分析研究,對建立高效的道路設(shè)施解決擁堵,有效縮短人們出行的交通時間成本有著至關(guān)重要的意義[1]。伴隨著我國城市化進程的不斷深入,城市以及郊區(qū)機動車的數(shù)量均逐年增長,佳通堵塞的范圍越來越大,擁堵問題是愈演愈烈。中大城市在機動車種類眾多,公共汽車服務(wù)質(zhì)量惡化的背景下,這給公路交通也帶來了極大的危機,很多城市都出現(xiàn)了混用道路的不良現(xiàn)象,非機動車、機動車混用道路情況日益嚴重。交通規(guī)劃和土地利用明顯的不協(xié)調(diào)[2]。

因為交通流量存在這偶然性,短期性、上下班集中性等特征,所以在交通流量的觀測工作中,AI智能技術(shù)被越來越廣泛地應(yīng)用到各個領(lǐng)域中,也被更多的人所了解和認識。也被認為是未來可以替代交通預(yù)測模型的更好方式,然而,在諸多的研究方法當中,目前應(yīng)用最為普遍的便是神經(jīng)網(wǎng)路技術(shù),為了有效解決混合流量下的交通問題,開發(fā)一個能適應(yīng)目前交通現(xiàn)狀的短時交通流量預(yù)測模型迫在眉睫,新的預(yù)測模型不僅可以幫助制定高速公路的交通規(guī)則,還可以很好的對交通設(shè)施的服務(wù)質(zhì)量給予評估,而且,還可以給交工工程師在交通規(guī)劃工作中參考。表征非穩(wěn)態(tài)交通的特征的基本要素是:交通量、速度以及交通密度。這些數(shù)據(jù)的預(yù)測可以幫助了解交通網(wǎng)絡(luò)中可能發(fā)生變化的性質(zhì),由此來有效的對交通的堵塞和交通事故進行緩解。而目前,多數(shù)的交通預(yù)測模型都是基于均勻交通流所進行的,而這并不適用非均勻交通的情況[3]。

二、交通擁堵的原因

導(dǎo)致城市交通擁堵的原因主要有:汽車使用率增加、道路容量不足或設(shè)計不妥、道路交會處過多。其中隨著私家車的增多車輛的使用率不斷增加是導(dǎo)致現(xiàn)代城市交通擁堵的主要因素,由于汽車方便出行,大家的日常出行像旅游、上班、去超市購物等等大都是開車,雖然方便了自己,卻導(dǎo)致城市日常車流升高,加之城市道路的容量設(shè)計不足或是設(shè)計不妥,結(jié)果就是城市道路無法負荷這么大流量的車流量,從而也就成就了現(xiàn)在的城市交通擁堵現(xiàn)象。再加上城市道路的設(shè)計大都是輻射狀,這樣的設(shè)計雖然方便了市郊的車輛往來,但是,一旦是車輛往來高峰,就會導(dǎo)致郊區(qū)的車輛不斷地涌往城市主干道路,結(jié)果道路上就堵滿了來自郊區(qū)的通勤車輛,車流拍成長線就顯而易見了。同時城市內(nèi)道路的交叉口過多,紅綠燈也就相應(yīng)的多,再加上路口間紅綠燈的設(shè)置不合理就是增加道路擁堵的狀況[4]。

三、交通流量預(yù)測在智慧交通中的作用

伴隨著城市經(jīng)濟的快速發(fā)展和私家車的逐步增多,城市交通的供需不平衡日益嚴重,城市交通帶給人們的體驗越來越差,交通擁塞、交通事故、交通污染、出行停車難等等的諸多問題成為了各大城市當下最迫切解決的問題,也成了各城市交通管理部門的重要關(guān)注點。比如,在交通較為集中的十字路口,怎樣才能更好或是更為靈活應(yīng)用當下的檢測設(shè)備,監(jiān)測相關(guān)車流情況獲取有效的通行車輛數(shù)據(jù),進而通過對這些數(shù)據(jù)的交通態(tài)勢和交通流量的分析,對城市道路實現(xiàn)實時的分析,成為當下的主要研究課題[5]。

四、預(yù)測模型分析

城市交通流量是關(guān)聯(lián)和相關(guān)了,比如之前一段時間的擁堵便會引起之后一段時間的交流流量增大的情況,一般情況下交通流量的統(tǒng)計以24小時為一天的統(tǒng)計周期來統(tǒng)計,當然在24小時內(nèi),不同時間段的交通流量也是存在變化的,利用小波神經(jīng)網(wǎng)絡(luò)根據(jù)交通流量的不同變化進行分析和預(yù)測[6]。小波神經(jīng)網(wǎng)絡(luò)分為三層:輸入層、隱含層、輸出層。

首先,將當前時間段中的,n個時段的交通流量相關(guān)的數(shù)據(jù)進行輸入,將其傳輸?shù)捷斎雽赢斨?,然后小波神?jīng)網(wǎng)的小波函數(shù)構(gòu)成了我們所說的隱藏層的節(jié)點,并且作為隱含層的節(jié)點傳輸函數(shù),小波函數(shù)信號向前傳輸來對學(xué)習訓(xùn)練的權(quán)重進行調(diào)整。神經(jīng)網(wǎng)絡(luò)在誤差預(yù)測的反向傳播的反復(fù)迭代過程;其輸出層輸出的便是當下這個時間段的拓撲結(jié)構(gòu)圖便是小波神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測[7]如圖1所示。在圖1中Y1,Y2,…,Ym是在經(jīng)過了學(xué)習以及相關(guān)的訓(xùn)練之后所的小波神經(jīng)網(wǎng)絡(luò)的預(yù)測數(shù)據(jù)輸出,其和便是神經(jīng)網(wǎng)絡(luò)的隱含層的全值。

五、小波神經(jīng)網(wǎng)絡(luò)的靈敏度分析

針對小波神經(jīng)網(wǎng)絡(luò)的輸出以及輸入,包括其相關(guān)權(quán)重的相關(guān)程度評價便是小波神經(jīng)網(wǎng)絡(luò)的靈敏度,他是對輸入?yún)?shù)發(fā)生變化時確定模型輸出的響應(yīng)。為了把不相關(guān)的輸入及時的消除掉可以通過訓(xùn)練后的網(wǎng)絡(luò)進行敏感度分析來解決這一問題。如此一來消除掉了不相關(guān)的輸入不僅使網(wǎng)絡(luò)的運行效率和性能得以提高還可以降低成本。除此之外,該項分析還可以及時的了解到輸入變量與輸出之間的基礎(chǔ)關(guān)系[8-9]。本次研究采用的是小波神經(jīng)網(wǎng)絡(luò)模型對敏感性進行的分析。對預(yù)先訓(xùn)練的MLP網(wǎng)絡(luò)的均值進行了敏感性分析。此批處理其他輸入都固定在各自的平均值上。改變其平均值±1的第1個輸入,所有計算出平均值上下各50步的網(wǎng)絡(luò)輸出[10-11]。然后再根據(jù)每個輸入對此過程進行反復(fù)重復(fù)。對各個輸入變量的變換進行總結(jié),并且根據(jù)其靈敏度進行分析,其中9個最重要的輸入?yún)?shù)分別是數(shù)字商用(SLCV)、日(DY)摩托車速度(SSM)公共汽車速度(SB)、時間(TM)、轎車/吉普/貨車體積(C/J/V)、兩輪車速度(STW)等(圖2)。在進行下一步時,小波神經(jīng)網(wǎng)絡(luò)的測試和訓(xùn)練應(yīng)該采用與神經(jīng)網(wǎng)絡(luò)模型中最佳選擇的模型相同的神經(jīng)網(wǎng)絡(luò)配置,僅僅只對其靈敏度進行考慮的分析中發(fā)現(xiàn)了9個最為重要的相關(guān)輸入,新模型的具體訓(xùn)練以及測試的結(jié)果如圖3所示。試驗結(jié)果顯示,即使輸入的數(shù)量不斷減少從19一直減少到9以后,這種模型的表現(xiàn)相對于舊模型來說也是非常棒[12].

六、仿真及結(jié)果

本次研究通過預(yù)測模型的分析搭建,通過取每15分鐘沒的一次短時間的交通流量,然后,再在一天之內(nèi)對同一個交通流量采樣點取樣的數(shù)據(jù)為96個,然后再利用這些所采樣的短時交通流量數(shù)據(jù)對我們的小波神經(jīng)網(wǎng)絡(luò)給予訓(xùn)練,之后,將我們已經(jīng)完成訓(xùn)練的小波神經(jīng)網(wǎng)絡(luò)在之后的一天進行運用,將其運用到當天的交通流量預(yù)測工作當中去[13]。

通過5000次的訓(xùn)練,得到訓(xùn)練有效權(quán)重對流量數(shù)據(jù)的學(xué)習訓(xùn)練驗證,然后將達到的各個權(quán)重值運用到后續(xù)的交通流量預(yù)測工作當中,發(fā)現(xiàn)運用其所得到的陳流量相關(guān)的數(shù)據(jù)與實際的交通流量數(shù)據(jù)值差值(如圖4所示)也比較小,明顯可以看出在交通流量較小的時段占比偏差略有升高,但是總體結(jié)果還是非常理性的[14-15]。

七、結(jié)束語

綜上所述,在交通問題日益成為城市的焦點問題的背景下,搭建小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型,科學(xué)的對交通流量預(yù)測及指導(dǎo),運用目前的短時交通流量數(shù)據(jù)訓(xùn)練驗證,來指導(dǎo)相應(yīng)的交通流量預(yù)測工作,進而對交通誘導(dǎo)進行精準的指導(dǎo)。本文進過對小波神經(jīng)網(wǎng)絡(luò)的研究發(fā)現(xiàn),采用小波神經(jīng)網(wǎng)絡(luò)進行預(yù)測的結(jié)果與實際值極其接近,運用小波神經(jīng)網(wǎng)絡(luò)可以準確科學(xué)的對短時交通流量進行預(yù)測。

參考文獻:

[1]馬建,孫守增,芮海田.中國交通工程學(xué)術(shù)研究綜述.2016[J].中國公路學(xué)報, 2016,29(6):1.

[2]ZHANGJ,WANGFY,WANGK.Data-DrivenIntelligentTransportationSystems:ASurvey[J].IEEETransactionsonIn-telligentTransportationSystems, 2011,12(4):1624.

[3]謝印慶,姜莉,王魯云.一種快速車流量檢測算法[J].哈爾濱理工大學(xué)學(xué)報, 2016,21(4):19.

[4]康維新,楊文彬,李鵬.交通流量遠程發(fā)布系統(tǒng)設(shè)計[J].哈爾濱理工大學(xué)學(xué)報, 2012,17(5):39.

[5]柳長源,孔凡寧,馮晉文.基于GPS和SD卡存儲的交通信號采集系統(tǒng)[J].哈爾濱理工大學(xué)學(xué)報, 2017(3):25.

[6]唐毅,劉衛(wèi)寧,孫棣華.改進時間序列模型在高速公路短時交通流量預(yù)測中的應(yīng)用[J].計算機應(yīng)用研究, 2015,32(1):146.

[7]郭海鋒,方良君,俞立.基于模糊卡爾曼濾波的短時交通流量預(yù)測方法[J].浙江工業(yè)大學(xué)學(xué)報, 2013,41(2):218.

[8]GHOSHB,BASUB,O’MAHONYM.MultivariateShort-TermTrafficFlowForecastingUsingTime-SeriesAnalysis[J].IEEETransactionsonIntelligentTransportationSystems, 2009,10(2):246.

[9]姚衛(wèi)紅,方仁孝,張旭東.基于混合人工魚群優(yōu)化SVR的交通流量預(yù)測[J].大連理工大學(xué)學(xué)報,2015(6):632.

[10]殷禮勝,何怡剛,董學(xué)平.交通流量VNNTF神經(jīng)網(wǎng)絡(luò)模型多步預(yù)測研究[J].自動化學(xué)報, 2014,40(9):2066.

[11]謝印慶,姜莉,王魯云.一種快速車流量檢測算法[J].哈爾濱理工大學(xué)學(xué)報, 2016,21(4):19.

[12]康維新,楊文彬,李鵬.交通流量遠程發(fā)布系統(tǒng)設(shè)計[J].哈爾濱理工大學(xué)學(xué)報, 2012,17(5):39.

[13]段艷杰,呂宜生,張杰.深度學(xué)習在控制領(lǐng)域的研究現(xiàn)狀與展望[J].自動化學(xué)報, 2016,42(5):643.

[14]唐少虎,劉小明,陳兆盟.基于計算實驗的城市道路行程時間預(yù)測與建模[J].自動化學(xué)報, 2015,41(8):1516.

[15]劉霞.復(fù)雜非線性系統(tǒng)的小波神經(jīng)網(wǎng)絡(luò)建模及應(yīng)用[D].大慶:大慶石油學(xué)院,2005

猜你喜歡
智慧交通神經(jīng)網(wǎng)絡(luò)
基于人工智能LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的學(xué)習成績預(yù)測
基于圖像處理與卷積神經(jīng)網(wǎng)絡(luò)的零件識別
基于改進VGG-16神經(jīng)網(wǎng)絡(luò)的圖像分類方法
基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的電網(wǎng)穩(wěn)定性預(yù)測
三次樣條和二次刪除相輔助的WASD神經(jīng)網(wǎng)絡(luò)與日本人口預(yù)測
基于BP神經(jīng)網(wǎng)絡(luò)PID控制的無刷直流電動機調(diào)速系統(tǒng)設(shè)計
寧夏銀川:創(chuàng)新驅(qū)動“智慧交通”
一種基于像素分析的夜間交通路況偵測方法
“互聯(lián)網(wǎng)+”背景下的智慧交通大數(shù)據(jù)應(yīng)用創(chuàng)新研究
基于FPGA的智能流控交通燈設(shè)計
黄骅市| 佛学| 莲花县| 太和县| 安泽县| 略阳县| 改则县| 广丰县| 康马县| 苏州市| 广昌县| 余庆县| 隆尧县| 莱阳市| 资兴市| 饶平县| 东兰县| 海淀区| 依安县| 红桥区| 贡嘎县| 汝州市| 奉新县| 五台县| 峨山| 庆城县| 康马县| 宿州市| 岚皋县| 米易县| 富阳市| 浦北县| 乌拉特前旗| 和政县| 鹤岗市| 苍梧县| 综艺| 茶陵县| 巴南区| 英德市| 邹城市|