学位论文 > 优秀研究生学位论文题录展示
基于蚁群算法的交通流量短时预测及应用研究
作 者: 张学海
导 师: 梁虹
学 校: 云南大学
专 业: 通信与信息系统
关键词: 交通诱导 交通流量 短时预测 蚁群算法 信息素
分类号: U491.113
类 型: 硕士论文
年 份: 2011年
下 载: 128次
引 用: 0次
阅 读: 论文下载
内容摘要
道路交通是影响区域经济以及全民发展的重要因素之一。伴随着城市汽车保有量的急剧增长,道路交通拥堵问题日趋严重。由于城市的治理费用过高和基础交通建设的扩展有限,人们越来越多地关注在已有道路基础上建立智能交通系统,从时间和空间上向出行者提供优化且高效率的交通诱导信息。交通诱导和交通预测技术是密不可分的,在交通预测中,准确有效的道路交通预测的算法能为道路交通诱导提供良好的指导作用。目前,交通预测的方法比较多,其优缺点各异。本文对具有良好的并行效果和正反馈功能的蚁群算法进行分析和研究,探索将蚁群算法运用于交通流量短时预测的可行性和有效性。本文首先就交通流量的不确定性和内在的关联性进行阐述,分析了国内外交通流量短时预测的经典算法,讨论了算法的优缺点,并对蚁群算法应用于交通流量短时预测的可行性进行了分析和讨论。接着,对基本的蚁群算法进行分析和研究,重点分析蚁群算法的收敛性能和信息素机制,并对影响算法的参数进行了介绍。同时在根据大量经验的基础上,对参数在一定范围内的取值进行了界定,利用MATLAB7.6平台验证了蚁群算法对于路径的寻优具有优越性。本文在分析了基本蚁群算法的优缺点后,通过对于启发信息以及信息素挥发机制的调整,提出了改进的优化蚁群算法,利用MATLAB7.6平台和基本蚁群算法进行了仿真对照,同时利用两种算法对于经典问题的求解进行了对比,实验发现优化蚁群算法具有良好的收敛性和迭代次数。最后,通过对城市道路交通进行了建模,将蚁群算法运用于道路交通流量的短时预测中,提出了交通流量的分时段预测算法,并且运用实验对比,从而选择出分时段预测的较优参数值。将该算法的分时段预测运用于预测中,结果表明算法基本满足道路交通流量短时预测的要求,为交通流量的短时预测的方法提供了一种参考。
|
全文目录
摘要 3-4 Abstract 4-7 目录 7-9 第一章 绪论 9-18 1.1 研究背景 9-10 1.2 国内外研究与应用分析 10-13 1.2.1 国外蚁群算法的研究现状 11 1.2.2 国内蚁群算法的研究现状 11-12 1.2.3 国内外蚁群算法的应用分析 12-13 1.3 蚁群算法应用于短时交通流量预测的可行性分析 13-15 1.4 研究的目的和意义 15-16 1.5 论文的主要内容 16-17 1.6 论文的组织 17-18 第二章 交通流量及其预测方法 18-27 2.1 交通流量及其特性 18-21 2.2 交通流量预测方法 21-26 2.2.1 交通流量预测方法的分类 21-22 2.2.2 交通流量预测的基本方法 22-26 本章总结 26-27 第三章 蚁群算法 27-39 3.1 蚁群算法的发展 27-29 3.1.1 蚁群算法的起源 27-28 3.1.2 蚁群算法的基本原理 28-29 3.2 蚁群算法模型的建立 29-32 3.3 蚁群算法的控制流程与实现 32-33 3.3.1 蚁群算法的实现步骤 32-33 3.3.2 蚁群算法的流程图 33 3.4 蚁群算法参数的设置 33-38 3.5 蚁群算法的优缺点 38 本章总结 38-39 第四章 蚁群算法的优化与建模 39-49 4.1 优化蚁群算法的提出 39 4.2 蚁群算法的优化模型 39-44 4.3 优化蚁群算法和基本蚁群算法的对比分析 44-48 4.3.1 经典问题的对比分析 44-46 4.3.2 实验结果对比分析 46-48 本章总结 48-49 第五章 基于蚁群算法的交通流量短时预测 49-64 5.1 交通流量短时预测的蚁群算法模型 49-51 5.2 交通流量数据获取和时间选择 51-54 5.3 基于蚁群算法的交通流量短时预测 54-62 5.3.1 交通流量的分析 54-55 5.3.2 基于蚁群算法的交通流量短时分段预测 55-57 5.3.3 交通流量短时分段预测参数的调整 57-61 5.3.4 交通流量短时预测结果分析 61-62 5.4 算法总结 62-63 本章总结 63-64 第六章 总结与展望 64-66 6.1 全文工作总结 64 6.2 对未来工作的展望 64-66 参考文献 66-70 致谢 70-71 攻读硕士期间完成的论文 71 攻读硕士期间参加的项目与工作 71
|
相似论文
- 多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
- 基于蚁群算法的电梯群优化控制研究,TU857
- 动态环境下移动对象导航系统相关技术的研究,TP301.6
- 基于改进蚁群算法的机器人路径规划研究,TP242
- 改进的蚁群算法及其在TSP上的应用研究,TP301.6
- 甜菜夜蛾信息素结合蛋白的表达动态及其受交配和钟基因沉默的影响,S433.4
- 樟巢螟性信息素通讯系统的相关研究,S763.3
- 基于免疫机制蚁群算法的电力系统无功优化研究,TP18
- 基于视觉反馈与行为记忆的GPU并行蚁群算法,TP301.6
- 基于物理拓扑感知的Chord算法研究,TP393.02
- 电渣炉过程控制系统的设计及优化控制,TP273
- Ad Hoc网络中分簇路由算法的研究,TN929.5
- 图像信息处理机的图像处理方法研究,TP391.41
- 基于改进的非参数回归交通流量预测方法,F570
- 智能光网络中路由选择算法的研究,TN929.1
- 面向无线传感器网络的多路径路由协议研究,TN915.04
- 改进蚁群算法在盲均衡中的应用,TN911.5
- 智能光网络动态路由和波长分配算法的研究,TN929.1
- 基于蚁群算法的移动商务个性化推荐体系研究,TP391.3
- 基于蚁群算法的车辆调度问题研究,TP301.6
- 融合MMTD与仿生算法的路由选择研究,TP393.05
中图分类: > 交通运输 > 公路运输 > 交通工程与公路运输技术管理 > 交通工程与交通管理 > 交通调查与规划 > 交通调查 > 交通量与交通密度
© 2012 www.xueweilunwen.com
|