交通運輸-神經(jīng)網(wǎng)絡(luò)在短時交通量預(yù)測中的應(yīng)用

摘 要21。為切實地解決這個合理地安排運行設(shè)施使用效率必須行流合理分配信號燈優(yōu)配置準確短時流量預(yù)測是解決這些重要依據(jù)。近年BPBP關(guān)鍵詞 短時流量關(guān)鍵詞 短時流量AbstractSincetwenty-firstCentury,thesociallifelevelofpeopleisincreasinggradually,alongwiththevehicleinmostcityresidentsinthepopular,citytrafficcongestionproblemdeterioratedrapidly.Inordertosolvethisproblem,arrangethetransportationoperationrationally,improvetheefficiencyoftheuseoftransportationfacilities,theallocationofareasonableallocationtotrafficflowandsignallamp,accuratetrafficflowforecastingisanimportantbasisforsolvingtheseproblems.Inrecentyears,theBPneuralnetworkhasbeenwidelyusedinthepredictionof.Thispaperdesignstheshort-termtrafficflowforecastingforthethreelayerneuralnetwork.Thepredictionoftrafficvolumeinthreedaystimerecentlyastheinputsignal,thetrafficvolumeforecastatatime.WithJiangmenurbantrafficvolumedatabasedonthesimulationresults,theresultsshowthatthemethodforshort-termtrafficflowforecastingisfeasible.theaccuracyofthepredictionresultsareanddiscussed.Keywords Short-termtrafficflow BPneuralnetwork Improve Simulation ForecastIII111112233373BP8P 8P 8P P P P P P P P 4交通流量預(yù)測17P BP1718MATLAB2021212222222328282931321、北京等這些一線達為突出合理有效分配流安排合適行進路線配置恰當(dāng)信號燈時間這些這些方法要有去做調(diào)查才可以提出相應(yīng)方案。（S智能系統(tǒng)在較完善道路基礎(chǔ)設(shè)施將先進信息技術(shù)、信技術(shù)、控制技術(shù)、傳感器技術(shù)以及系統(tǒng)綜合技術(shù)有效地集成并應(yīng)用于地系統(tǒng)從而建立起較范圍揮作用實時、準確、效地系統(tǒng)[1]智能目前正在速中但比較一些達家還略有欠缺當(dāng)前們一直在努力構(gòu)建一效監(jiān)控指揮平臺但這一切要做流量測量們解決很提出各種各樣方案要依據(jù)測量數(shù)據(jù)進行。次研究們過對已有數(shù)據(jù)進行訓(xùn)練得穩(wěn)定、小誤差BP疏讓控制中心布各樣信息為出行提也可以合理引導(dǎo)各種車輛前進路線解決中次研究意義：近些年給們帶很不便事故也頻頻發(fā)損失要解決這些有一前提就要進特別在解決方顯得重要過對各種道們可以進一步了解流規(guī)律能好去想出解決為們各種決策提供依據(jù)創(chuàng)造出效益使得不制約們主要內(nèi)容文主要容BPBP，BPWindowsXP系統(tǒng)環(huán)境中軟件基礎(chǔ)BP。安排1、目、意義以及主要內(nèi)容。2介紹神經(jīng)網(wǎng)絡(luò)發(fā)展它結(jié)構(gòu)和在各個領(lǐng)域應(yīng)用闡述神經(jīng)網(wǎng)絡(luò)存在問題。3介紹PPP改4了2神經(jīng)網(wǎng)絡(luò)的科學(xué)研究自誕生起至今已發(fā)展幾十年了，它的研究歷程可劃分為三個階19501969197079年之間；第三1980年到至今。三個階段經(jīng)歷了高潮期——低潮期——高潮期的發(fā)展，如今依絡(luò)理論和模型。如：Fukushima提出了神經(jīng)認知網(wǎng)絡(luò)理論；Grossberg提出了自適應(yīng)共振理論；AndersonBSB模型；KohenenBPHopfieldHopfield神經(jīng)網(wǎng)絡(luò)模型開始，到HintonSejnowwskiRumelhartMcCelland發(fā)表BPBP863[2]。神經(jīng)網(wǎng)絡(luò)發(fā)展到今天，由于其有應(yīng)面不夠廣大、精確度不夠理想，可信度有待提研究時期。人們期望在現(xiàn)有的模型上對其進行優(yōu)化，提高/用人工元現(xiàn)的[3]2-1所示：2-12-2I nij1

wxj

(2-1)yf(Ii i

(2-2)niijji連接權(quán)值f()成用函2-2型上看實就反映本功能[3]。功能通過各之間互方式連接成并且讓每一2-3、2-4、2-5所示，2-3 簡單前饋2-4前饋2-5內(nèi)前饋將全部開若干中通常情況下會、中及順序連接而中因不直接與打交道因4。2-44。2-4與存在問題、識別、各類參數(shù)整定、各種極點配置等。處理最優(yōu)問題 人們解決旅行商問題、作業(yè)調(diào)度問題、最大匹配問題還裝箱問題。式識別方面 手寫字符、汽車牌照、目標識別、目標跟蹤、地震信號的鑒別等。像處理方面 對需目標進行監(jiān)測—分割—壓縮—恢復(fù)實現(xiàn)像修改美化。機器人操作眼手對機器人運作軌道另外還進行故障發(fā)現(xiàn)并且進行排除。存在問題性確實值人們?nèi)パ芯块_發(fā)，創(chuàng)造出足夠價值但是就目前而言還存不少缺陷比智能水平還不、都好調(diào)節(jié)找最佳最后，似BP小結(jié)本章介紹了發(fā)展現(xiàn)狀它結(jié)構(gòu)及個面闡述了決3BP其算法BP概述Prk-n,Bryson19693①中每存元模型擁非線性激活函數(shù)其中非線性光滑②可存或存隱含必須說明不輸入或用征會些隱含慢慢地取學(xué)到存于輸入和輸中某關(guān)系。之間連接強度通常中存觸決定連接改變可通觸連接數(shù)量變化或通權(quán)值改變[5]。BP的結(jié)構(gòu)BP如3-1具兩隱和單輸感知器結(jié)構(gòu)圖。3-1感知器結(jié)構(gòu)BP3-2。誤差反向傳播誤差反向傳播VVWx1y1.............. .............. izijxiyi............................zn..............xnynnqm輸入層

含

輸出層信息正向傳播信息正向傳播3-2BPBPnX：X[xxx]

（3-1）0,1 n產(chǎn)生m個輸入據(jù)y表：y(y,y,,y)T

（3-2）1 2 m則將對有n個輸入m個輸出這樣就形成了從n維輸入空間到m維輸出空間非線性映射。BP進入然后過處理后一直傳向輸出。要說變化而不會影響上一。若得不到需要標輸PBPBPBP的反向傳播。當(dāng)BP3-2NMq個作為輸入層節(jié)點和隱含層節(jié)點之間隱含層和輸出層節(jié)點之間的連接權(quán)值；隱含層和輸出層節(jié)點輸入前一層節(jié)點輸出加權(quán)和，每個節(jié)點激勵程度由它[3]。BP前饋計算在網(wǎng)絡(luò)N個訓(xùn)練樣來假設(shè)某個固定訓(xùn)練樣輸入輸出模式為X 和{p

，現(xiàn)在對它對網(wǎng)絡(luò)進行訓(xùn)練。先將公式樣p記號省略，以pkj個節(jié)點隱含層輸入為：j個節(jié)點

netpj

netj

M i1

oi

（3-1）

f

j

O f)j j1

（3-2）f(net)j

(netj

j

（3-3）1e 0j j 0調(diào)節(jié)函數(shù)輸出形狀，較輸出值使函數(shù)逼近階躍函數(shù)，較大輸出值使函數(shù)變得較為平坦[3]。對式（3-3）求導(dǎo)，可得：

0f'(net )j

f(net

j

f(net j

0（3-4）jOwj

knetk

q j1

o

）qPkO fk k

）當(dāng)與目標值d不接近時P則會將誤差信號從端反向傳k如圖3-2所示并在程對

p(p1,2,...,N)完成調(diào)整后然后再把據(jù)信息送進入另樣本模式對繼續(xù)進行學(xué)習(xí)。BP7p1dE M ( )1dp 2 k1

(3-7)平均誤差函1E PM12p1k1

(d O )pk pk

P Epp1

(3-8)P作樣本模式對M作。下面大家介紹在式7p71E M (d12 kk1

O )2k

(3-9)修正公式wpk

Ewjk

）0。E E kw wkk

1） k

k

Enetk

EOk

Oknetkk

）(dkO

O)k

）k fk

(net)k

f'(net)k

）

net netk k

(dk

O)f'(netk

)Ok

Ok

)(dk

O)k

）k kw w

(qj

w O)Oj

）w (dk

O )k

'(net )Ok

Ok

）w O 1O (dk k

O )Ok

）b）w ij

E wij

Enetj

netjwij

E Onet jj( EOjOj

Oj )Onet j

(

)f'(net )Oj j

(

下jEOj

Mk

Enetk

netOj

M(k1

E ) net Ok

(q j

O)j很顯然

M(k1

E netk

Mwk k1

(3-19b) fj

'(netj

Mwk k1

）pk wp

f'(netk

)(dpk

O )Opk pjO (dpk pk

O )Opk pj

(1O pk

）j有 wp

f'(netpj

)M pkk1

)OpiOpj

Opj

)M pkK1

)O

）O kOpk

Ojpij

。P：w ij

(t)Oi

w

(t)ij

tij

）t1表示第t10

1。BP步驟3-3所示BP算法步驟流程圖過程：所權(quán)值初始化。BPE。p初始化給定訓(xùn)練樣算和各26初始化給定訓(xùn)練樣算和各NYY3-3BPBPBP是指輸出會我們賦予指定值進行對比，然后才對神權(quán)值進行修改調(diào)整。BP前后都要以給定樣本做標準進行。無是指過沒樣本指導(dǎo)，自己輸入與輸出映射特征，這種使擁較強自自能力?；旌闲瓦^先采用無，然后再采用，前者抽取輸入模，形成輸入輸出某種映射。這樣過把前兩種學(xué)優(yōu)點都集中，訓(xùn)練時間比第一種要快，訓(xùn)練精度比第二種要高。BP性能分析BP優(yōu)點BPBP有BPBP1PPP算。③為無求得每次迭代步長先賦予BP步長導(dǎo)致。2訓(xùn)練多時候失敗特別在處理問題時在理論上，BP可。BP神經(jīng)模在解決應(yīng)用問題例存在矛盾模無為例模服務(wù)容量大小可不足還否可行導(dǎo)致BP神經(jīng)在處理復(fù)性問題上不達令人滿意結(jié)果。BP神經(jīng)結(jié)構(gòu)選擇還待我們?nèi)パ芯壳盀橹刮覀冞€沒找種效的可行方去準確確BP。BP越即。BP缺陷與改進PP也得人們廣應(yīng)用但BP。BP法P；結(jié)構(gòu)直在也沒找個準確方即無確隱層和節(jié)點量；第四當(dāng)我們需在已經(jīng)好加入時影響來BPBP前為止名幾個擬牛頓、共軛梯Levenberg-Marquardt小結(jié)BPBPBPBPBPBP4BP與訓(xùn)練BPBP方法BPBP神BP2BP種類這關(guān)系對應(yīng)BP6。BP類型據(jù)即且短所6。對BPBP網(wǎng)局為了造成擬合象合適謀范圍內(nèi)改盡能地去找最優(yōu)目從而進行根據(jù)前人來看使種方法去1：nni0nni0

（4-1）nna1--10之間的i 0常數(shù)[7]。對于選取多少個節(jié)點，需要我們根據(jù)公式得到的范圍去做不同節(jié)點數(shù)的實驗，找到最佳的目標。v[8]Kolmogorov定理由式（4-2）得出：n2m1

（4-2）m為輸入層節(jié)點數(shù)。強大數(shù)定理只是給定一個比較靠近最（4-2）131313附近的數(shù)目作為節(jié)點數(shù)，具體選擇多少個隱含層神經(jīng)元要根據(jù)訓(xùn)練情況而定。BPBP絡(luò)著一的。經(jīng)些的，們經(jīng)找到很多不的改Pvut和vut算法。共軛梯度法BP避免兩者的缺點。共軛梯度法的第一方向的共軛方向搜，樣一來就可以快速達到最優(yōu)值。當(dāng)?shù)谝淮蔚乃裇X(0fX(0，之后的每一次迭代的搜方向由式（4-5）決定：其中，

S(X

(k))

(X(k))

(k)S(

(k1))

（4-5）X(k1)

X(k

S(

(k)

（4-6）根據(jù)(k所取形式不同，可構(gòu)成不同的共軛梯度法。

(k)

gTgk

/gT k1

k1

（4-8）g f(Xk

(k))

）增加很多而且需要共軛法對于那些很多是非常效。vut我們要了解vut算法實際上可以說是降法牛頓法結(jié)合。它優(yōu)勢于當(dāng)前比較少時收斂速非?？焖枰伪容^少精確也很高。vut兩算法之間適應(yīng)調(diào)整來優(yōu)化以達可效地進行收斂。vut：其e誤

w

(JTJ)1JTe

）J誤對微分雅克比矩陣；標量且變大時它最速減少至零時他靠高斯-牛頓法。因此M優(yōu)化算法是高斯牛頓法具學(xué)習(xí)率最速降法之間平滑調(diào)。L-M優(yōu)化算法步驟可分四步：第把輸入量全部送入BPJ：ut：ESm i

nmi

1）知道敏感誤函E對m層輸入第i元素變化敏感性其n每層加。敏感關(guān)系式：Smq

E(nm)(wq

m1)T

Smq

）Sm

Sm1

S

S1

）e e

nm

nm[J]

h

k,qwmi,j

k,qnmi.q

i,qwmi,

Smi,h

i,qwmi,

Smi,h

amj,q

）0w。

ww

t[9]。具箱BP、4-1所示：表4-1名newnew功能效用BP個BP

表4-2 傳遞名logsigtansigPurelin功能效用作S型對作S型傳遞作線性學(xué)習(xí)

4-3學(xué)習(xí)名 功能效用通過輸學(xué)習(xí)速率來權(quán)值/閾值learngdLearngdm

變化率及動量常來權(quán)值/閾值變化率訓(xùn)練4-4：4-4訓(xùn)練traincgbtraincgftrainlmtrainosstrainrptrainsBPPowell-BealeBPFletcher-PowellBPlrBPLevenberg-MarquardtBPBPBPBP

4-5mseregBFGSBPBP

4-6plotperfplotesPltep個數(shù)BP——3輸入，1輸出我們要預(yù)測未來某時段交通流，通過分析所交通流，我們發(fā)現(xiàn)同時期歷史和要預(yù)測某時間段交通流關(guān)系較密比我們要預(yù)測某時段交通流，我們要知道前天時間段交通流因此我們輸入前天因我們要提高確率，就需要定樣，本所交通流來于江門市交管局指揮大隊，江門市龍灣路（西環(huán)路龍灣路口)20XX-3-25 至20XX-5-01每天小時流我們使其中30天流進行4天進行仿真預(yù)測。對于元（4-1）[26,36],26、30、34分別訓(xùn)練。S存，SBP網(wǎng)絡(luò)要求激活函處處可微，因此S型函作激活函tansig函作激活函；un。與試參設(shè)置如前文所述，本文采用三網(wǎng)絡(luò)，網(wǎng)絡(luò)結(jié)構(gòu)如圖4-1所示。分別對三種網(wǎng)絡(luò)結(jié)構(gòu)進行了仿真實驗，各網(wǎng)絡(luò)個3-30-13-34-1BP50000.01，網(wǎng)絡(luò)訓(xùn)練函則用動量及自適應(yīng)lrBP梯度遞減訓(xùn)練函traingdx。n-3天n-2天n天n-1天層 層4-1預(yù)測網(wǎng)絡(luò)結(jié)構(gòu)圖本次仿真是對江門市西環(huán)路-20XX32620XX51日每天的小時交通量進行仿真實驗，根據(jù)預(yù)測日前三天同時段交通量預(yù)測當(dāng)天該時段交通量。仿真實驗BPS。[-1,1]：fori=1:3P(i,:)=(P(i,:)-min(P(i,:)))/(max(P(i,:))-min(P(i,:)));endfori=1:1T(i,:)=(T(i,:)-min(T(i,:)))/(max(T(i,:))-min(T(i,:)));endfori=1:3P_test(i,:)=(P_test(i,:)-min(P_test(i,:)))/(max(P_test(i,:))-min(P_test(i,:)));endfori=1:1T_test(i,:)=(T_test(i,:)-min(T_test(i,:)))/(max(T_test(i,:))-min(T_test(i,:)));end初步理完成3和Matlab：a=[263034]fori=1:3%仿真%設(shè)置最大步長net.trainParam.epochs=5000;%設(shè)置%設(shè)置學(xué)習(xí)率LP.lr=0.01;net=init(net);net=train(net,P,T);Y(i,:)=sim(net,P_test);end次試是同時三從比找到擁最優(yōu)隱含層神經(jīng)元目BP網(wǎng)。a=[.]fori=1:n......endn。4-2所示，4-2結(jié)果由圖該圖34看出達穩(wěn)定并達要求500步這證明了步長短而時間也不會太久符合要求和用。20XX32620XX42431天小時交通量4-7所示。4-7不同結(jié)果結(jié)構(gòu)(組)迭代s）3）67277913.2033）672113618.53）67255711.7814-7看出34無論迭代還。因此選定預(yù)測3-34-1。利用訓(xùn)練20XX42820XX51日各段小交通量共96組數(shù)據(jù)進行預(yù)測。進行仿真預(yù)測得到真實數(shù)據(jù)和預(yù)測數(shù)據(jù)進行擬合4-3所示。圖4-3真實值與預(yù)測值擬合圖4-396BPBP96體情況如表4-8和表4-9所示。表4-8預(yù)測結(jié)果（一） （交通量單位：輛?。?/p>

428日 429日時間段

交通量

—171145-15.20%15419023.38%—839615.66%11297-13.39%—7671-6.58%138105-23.91%—6652-21.21%127101-20.47%—6455-14.06%5242-19.23%—7670-7.89%85928.24%—566719.64%313822.58%—2312539.52%13016123.85%—29033716.21%19424425.77%—23826310.50%23726612.24%288285-1.04%23229025.00%287281-2.09%25732325.68%—2612879.96%23326915.45%—22725311.45%23426613.68%—30334513.86%27831613.67%—2953167.12%2422669.92%—414359-13.29%24127012.03%—467385-17.56%3043256.91%—3143439.24%26930413.01%—39546617.97%3964093.28%—449445-0.89%473410-13.32%—504394-21.83%412348-15.53%—3203509.38%3023298.94%—233222-4.72%232230-0.86%4-9二） 交通量單位：輛/小時）日

4月30日 5月1日時間段

交通量

值 值 相對誤差 實際值 值 194164 .46% 238122108 .48% 979512574111106 .50% 67728064 .00% 43345368 .21% 56704256 .67% 5873129168 .63% 129202234 .84% 179—249258 .61% 249263248 .70% 276250292 .80% 266200174 .00% 373190216 .68% 256221230 .07% 222207266 .84% 246224254 .39% 274223290 .59% 270241306 .09% 312439409 .83% 444515433 .92% 475486410 .64% 500326345 .83% 386318248 .01% 226仿真結(jié)果分析89P672BP神、去找極沒做這。再者身帶隨機性每天沒規(guī)律BP本章小結(jié)章講BPBP。結(jié)論、方法調(diào)節(jié)流量具深刻意義良統(tǒng)可以節(jié)省行時間讓耽誤必要時間普公到下班時間公處擠狀態(tài)就單單等紅綠也讓感到心煩果把些浪費時間去做自己認為意義事情那就可以變加意義就變加精彩良狀況刺激外旅游購物熱情就刺激消費我所以良我處方方面面由可知要性。BP來量為我選擇自己行時間、方式等供依據(jù)；同時它為管部門參數(shù)據(jù)讓些部門合理分配流行進線BP.[M].:20XX306.[M].:.20XX:7,,.[M].:[M]..20XX:77-78.[M]...20XX:48,.BP[J].與數(shù)字工）20XX.(8):124-125 申慧,,.BP[J].西南西南科報）20XX(6):72-74尚寧,,王亞琴,崔,崔巖,朱揚勇.BP路口短時流量預(yù)測方法[J].復(fù)旦與軟件）.20XX.(2):32-33良均曹晶蔣世.實[M]..20XX:74-75,76-77A,Sanjit K Mitra,Marco Carli,etal and Analysis of SequencesUsingDNAWalks[J].ChineseJoumalofSignalPiocessing,20XX,18(2)致謝——設(shè)計給自己指導(dǎo)，從初的定題，到資料收集，到寫作、修改，到論文定稿，她給了耐心指導(dǎo)和無私幫助。為了指導(dǎo)們論文，她付出了很多，她這種無私奉獻敬業(yè)精神令人欽佩，此向她和所有同這四年來給自己指導(dǎo)和幫助，是你們教會了專業(yè)知識，教會了如何，教會了如何做人。正是由于你們，才能各方面取得顯著進步，此你們表示由衷意，并祝所有培養(yǎng)出越來越多優(yōu)秀人才，桃李滿天下！通這，論文于BP了，這意。，和益淺，這除了自，各、同和朋友心、支持和鼓勵是分不開。五邑，是你培養(yǎng)了，給予了表舞臺，你人更加精，你讓走向熟，走向希望，走向更遙遠未來。BP仿真訓(xùn)練程序：closeallclear;echoon;clc;%32642480044 9967 ……136127174;127174130;174130152;130152136;......161197320;320189210;189210129;210 129 195]';T=[129;136; 127; ......; 210; 129; 195;171]';%P、T總共672組數(shù)據(jù)%4.285.0196組數(shù)據(jù)P_test=[162 148 120;148120171;120171154;171154194;......85 91 94;91 94 83;94 83 112171132190;132190233;190233232;233232318]';T_test=[171;154; 194; ......; 232; 318; 192]';fori=1:3P(i,:)=(P(i,:)-min(P(i,:)))/(max(P(i,:))-min(P(i,:)));endfori=1:1T(i,:)=(T(i,:)-min(T(i,:)))/(max(T(i,:))-min(T(i,:)));endfori=1:3P_test(i,:)=(P_test(i,:)-min(P_test(i,: