基于小波神经网络的交通状态短时预测
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
张撇 ，
ｎｅｕｒａｌ ｎｅｔｗ ｏｒｋ．Ｔｈｅ ｆｅａｔｕｒｅ ｅｘｔｒａｃｔｉｏｎ ｏｆ ｔｈｅ ｉｎｐｕｔ ｌａｙｅｒ ｉｓ ｒｅａｌｉｚｅｄ ｂｙ ｗｅｉｇｈｔｉｎｇ ｔｈｅ ｗａｖｅｌｅｔ ｂａｓｅｓ ａｎｄ ｔｈｅ ｉｎｎｅｒ
能
ｐｒｏｄｕｃｔ ｏｆ ｔｈｅ ｉｎｐｕｔ ｖｅｃｔｏｒ，ａｎｄ ｔｈｅ ｓｈｏｒｔ ｔｅｒｍ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｔｈｅ ｔｒａ踊 Ｃ ｓｔａｔｅ ｊＳ ｒｅａｌｉｚｅｄ ｂｙ ｃｏｍ ｂｉｎｉｎｇ ｔｈｅ ｓｅｌｆ－
ｌｅａｒｎｉｎｇ ｆｕｎｃｔｉｏｎ ｏｆ ｔｈｅ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ．Ｅｘｐｅｒｉｍ ｅｎｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ａｌｇｏｒｉｔｈｌｎ ｈａｓ ｓｔｒｏｎｇ ｎｏｎｌｉｎｅａｒ ｆｉｔｔｉｎｇ ａｂｉｌｉｔｙ ａｎｄ
ｇｏｏｄ ｃｏｎｖｅｒｇｅｎｃｅ ｓｐｅｅｄ．ａｎｄ ｃａｎ ｒｅａｌｉｚｅ ｔｈｅ ｓｈｏｒｔ—ｔｅｒ ｍ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｔｒａ怖 Ｃ ｓｔａｔｅ．
２ 小 波神 经 网络 的相关 研 究
２．１小 波分 析
小 波 分析 克服 了傅 里叶 处 理 非平 稳 信号 的缺 陷 ， 它 不仅 能 够获 取 一段 信 号 包含 的频 率成 分 ，还 能 采用 有 限 长 的 会 衰减 的 小波 基 构建 灵 活可 变 的时 间．频 率 窗 ，实 现 了信 号 的时 频 分析 ，也就 是信 号 在 各个 时刻 的瞬 时频 率及其 幅值 】。
一 【Ｋｅｙ ｗｏｒｄｓ］ ｗａｖｅｌｅｔ ｂａｓｉｓ；ｎｅｕｒａｌ ｎｅｔｗｏｒｋ；ｔｒａ珩的Ｃ ｓｔａｔｅ；ｓｈｏｒｔ—ｔｅｒｍ ｐｒｅｄｉｃｔｉｏｎ
ｌ 引言
交通 状 态 时预 测 是 指 基 于动 态 获取 的道 路 建通 参数．道 路状 态 教 的 时间 列推 测未 来短 时 问段 的交 通 流状 态…。交通预 测技 术基 ｆ先 进 的交通 状态 监测 手 段 ，通 过 实Ｉ：１、ｆ提 取现 有 交通 道路 的交 通 参数 ，结 具 仃实 ｝牛的预 测 ，实现 未 ｆＩ、『间段 交 通道 路 的短 【｝１ｆ预 测 交通 状 态 的预 测 研 究 有不 少 的理 沦和 方 法 ，既 有 根 舰 则 进行 相 关 统 汁 分析 的预 测馍 ，也
Ｉｎ ｏｒｄｅｒ ｔｏ ｓｏｌｖｅ ｔｈｅ ｐｒｏｂｌｅｍ ｏｆ ｔｒａｆｆｉｃ ｓｔａｔｅ ｓｈｏｒｔ—ｔｅｒｍ ｐｒｅｄｉｃｔｉｏｎ ａｎｄ ａｃｃｕｒａｃｙ．Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｗａｖｅｌｅｔ ｂａｓｉｓ ｉｓ ｕｓｅｄ
ａｓ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｆｉｍｃｔｉｏｎ ｏｆ ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ ｔｏ ｏｐｔｉｍ ｉｚｅ ｔｈｅ ｐａｒａｍ ｅｔｅｒｓ ａｎｄ ｅｒｒｏｒ ｓｐａｃｅ ｏ ｒ＂ｔｒａｄｉｔｉｏｎａｌ ＢＰ
暑 通 １吉 Ｉ ｎ１
２Ｏ１ Ｓ年 第 ５期 Ｉ
Ｉ
强 研 究与 探讨 ｉ
丽 利 用改进小 波神 经网络 模型 实现 交通状态 的预 测 。 统计 的分 析方 法 相对 简 单 ，却 无 法 反映 动 态 的交
通 状态 变 化 的特 征 ；人 工 智能 分 析 的方 法具 有 学 习特 征 ，能 够 反映 动 态 的 交通状 态 变 化 的特 点 ，但 是 其 需 要 庞大 的 训练 库 以保 证 算 法 的精 度 。考 虑 到现 在 多 种 终 端数 据 融合 遇 到 的 各种 困难 ，本 文采 用 通信 移 动 用 户的 数据 作 为 交通 参 数提 取 的数 据 源 ，通 过 分析 移 动 用 户 的 出行 特征 提 取 其实 时 的 交通 参数 ，然 后再 利 用 小 波 神经 网络 的方 法 构建 交 通状 态 预测 模 型 ，实现 交 通 状态 的短时 预测
有采 ．Ｌ｝＝ｉ人 丁智能技 术 的智 能分 忻方法 典 型 的统 计 分忻 模 型 有 ：孙 晓亮 采 刖熵 的 方 法
实现 时 交通状 态 的预测 ；乇新 锁 利』｛］非 参教 漠 型实现 交通 状态 的 【『ｉ】 预 测 ；郑 建湖 ［４１则 采用马 尔科 大 链 ，结 合车 辆 的 始 。爻通 状 态 、转 移 率 以 及下 … Ｈ，Ｊ 划车辆 的 交通状 态 ｆ｛、Ｊ建短 时 交通： 念 删馍 。
．
【关 键词 】 小 波 ； 冲经 网 络 ； ，通状 态 ； 时 预 测
ｔｏｉ：Ｉｌ】．｛ｌｊ“ｔ， ｉｓｓｎ Ｉ… ｒ 一ｌ（１１¨！ｌＩ１ ８．ｏ５｛１１ ｎ 中 图 分 类 号 ： Ｔ Ｎ ｊ：“．５ 文献 标 志 玛 ：Ａ 文章 编 号 ： Ｉ（｝ｆ ｊＩ Ｊ｝】格 式 ： 曹渝 基 于 小波 神 经 网络 的 交通 状 态 短 时 预 测 ｔｌｌ移 动 通 信 ，２０１８，４１（５）９Ｉ
人 工智 能 分 忻 有 ：盛 春 ０ 人 采用 ＿Ｊ１ ｎｆ‘断 网络 汁 尊 通 参 数 的条 件 概 率米 测 各 种 交通 状 态 ，一 的概 率 ；钱民 ’呆用定 性动 态栅 率 络 构建 的 通状 ：态预测 模 ， 汁 各路 口发 生洲 堵 的 可 能性 ；陶
Ｓｈｏｒｔ．ｔｅｒｍ Ｔｒａｆｆ ｉｃ Ｓｔａｔｅ Ｐｒｅｄｉｃｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｗ ａｖｅｌｅｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ
ＣＡ ０ Ｙｕ （（；（：Ｉ Ｓｃｉｅｎｃｅ＆ Ｔ ｈｎｏｌｏｇｙ Ｃｏ，Ｌｔｄ，（；ｕａｎｇｚｈｏｕ ５Ｉｆｎ】【】，Ｃｈｉｎａ）
［Ａｂｓｔｒａｃｔ］
强研 究 与探讨 ；ｉｉ
基 于 小波 神 经 网络 的交 通 状 态 短 时预 测
曹 渝
【摘 要 】 乃 ｊ 决 通 状 态 颅 洲 以 及 精 的 问 题 ， 以 小 波 堰作 为 模 式 ｌｌ Ｉ Ｊ】』【 １，ｊ特 ｆ 络 参数 和 误 莘 ， 通 过 ，ｊ、披 燕 故 输 入 向 的 进 『Ｊ［】 宴 现 输 入 ０ 特 掌： Ｊ 能 ， 现 ＿Ｉ， 越 状 ， 的 砸 ＿｛、Ｊ 删 实 蛤 ｝＂Ｊ， 法 县 仃 较 姒 的 ｛ 线 ｌ 能 够 现 通 态 的短 时 删
ｎｅｕｒａｌ ｎｅｔｗ ｏｒｋ．Ｔｈｅ ｆｅａｔｕｒｅ ｅｘｔｒａｃｔｉｏｎ ｏｆ ｔｈｅ ｉｎｐｕｔ ｌａｙｅｒ ｉｓ ｒｅａｌｉｚｅｄ ｂｙ ｗｅｉｇｈｔｉｎｇ ｔｈｅ ｗａｖｅｌｅｔ ｂａｓｅｓ ａｎｄ ｔｈｅ ｉｎｎｅｒ
能
ｐｒｏｄｕｃｔ ｏｆ ｔｈｅ ｉｎｐｕｔ ｖｅｃｔｏｒ，ａｎｄ ｔｈｅ ｓｈｏｒｔ ｔｅｒｍ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｔｈｅ ｔｒａ踊 Ｃ ｓｔａｔｅ ｊＳ ｒｅａｌｉｚｅｄ ｂｙ ｃｏｍ ｂｉｎｉｎｇ ｔｈｅ ｓｅｌｆ－
ｌｅａｒｎｉｎｇ ｆｕｎｃｔｉｏｎ ｏｆ ｔｈｅ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ．Ｅｘｐｅｒｉｍ ｅｎｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ａｌｇｏｒｉｔｈｌｎ ｈａｓ ｓｔｒｏｎｇ ｎｏｎｌｉｎｅａｒ ｆｉｔｔｉｎｇ ａｂｉｌｉｔｙ ａｎｄ
ｇｏｏｄ ｃｏｎｖｅｒｇｅｎｃｅ ｓｐｅｅｄ．ａｎｄ ｃａｎ ｒｅａｌｉｚｅ ｔｈｅ ｓｈｏｒｔ—ｔｅｒ ｍ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｔｒａ怖 Ｃ ｓｔａｔｅ．
２ 小 波神 经 网络 的相关 研 究
２．１小 波分 析
小 波 分析 克服 了傅 里叶 处 理 非平 稳 信号 的缺 陷 ， 它 不仅 能 够获 取 一段 信 号 包含 的频 率成 分 ，还 能 采用 有 限 长 的 会 衰减 的 小波 基 构建 灵 活可 变 的时 间．频 率 窗 ，实 现 了信 号 的时 频 分析 ，也就 是信 号 在 各个 时刻 的瞬 时频 率及其 幅值 】。
一 【Ｋｅｙ ｗｏｒｄｓ］ ｗａｖｅｌｅｔ ｂａｓｉｓ；ｎｅｕｒａｌ ｎｅｔｗｏｒｋ；ｔｒａ珩的Ｃ ｓｔａｔｅ；ｓｈｏｒｔ—ｔｅｒｍ ｐｒｅｄｉｃｔｉｏｎ
ｌ 引言
交通 状 态 时预 测 是 指 基 于动 态 获取 的道 路 建通 参数．道 路状 态 教 的 时间 列推 测未 来短 时 问段 的交 通 流状 态…。交通预 测技 术基 ｆ先 进 的交通 状态 监测 手 段 ，通 过 实Ｉ：１、ｆ提 取现 有 交通 道路 的交 通 参数 ，结 具 仃实 ｝牛的预 测 ，实现 未 ｆＩ、『间段 交 通道 路 的短 【｝１ｆ预 测 交通 状 态 的预 测 研 究 有不 少 的理 沦和 方 法 ，既 有 根 舰 则 进行 相 关 统 汁 分析 的预 测馍 ，也
Ｉｎ ｏｒｄｅｒ ｔｏ ｓｏｌｖｅ ｔｈｅ ｐｒｏｂｌｅｍ ｏｆ ｔｒａｆｆｉｃ ｓｔａｔｅ ｓｈｏｒｔ—ｔｅｒｍ ｐｒｅｄｉｃｔｉｏｎ ａｎｄ ａｃｃｕｒａｃｙ．Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｗａｖｅｌｅｔ ｂａｓｉｓ ｉｓ ｕｓｅｄ
ａｓ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｆｉｍｃｔｉｏｎ ｏｆ ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ ｔｏ ｏｐｔｉｍ ｉｚｅ ｔｈｅ ｐａｒａｍ ｅｔｅｒｓ ａｎｄ ｅｒｒｏｒ ｓｐａｃｅ ｏ ｒ＂ｔｒａｄｉｔｉｏｎａｌ ＢＰ
暑 通 １吉 Ｉ ｎ１
２Ｏ１ Ｓ年 第 ５期 Ｉ
Ｉ
强 研 究与 探讨 ｉ
丽 利 用改进小 波神 经网络 模型 实现 交通状态 的预 测 。 统计 的分 析方 法 相对 简 单 ，却 无 法 反映 动 态 的交
通 状态 变 化 的特 征 ；人 工 智能 分 析 的方 法具 有 学 习特 征 ，能 够 反映 动 态 的 交通状 态 变 化 的特 点 ，但 是 其 需 要 庞大 的 训练 库 以保 证 算 法 的精 度 。考 虑 到现 在 多 种 终 端数 据 融合 遇 到 的 各种 困难 ，本 文采 用 通信 移 动 用 户的 数据 作 为 交通 参 数提 取 的数 据 源 ，通 过 分析 移 动 用 户 的 出行 特征 提 取 其实 时 的 交通 参数 ，然 后再 利 用 小 波 神经 网络 的方 法 构建 交 通状 态 预测 模 型 ，实现 交 通 状态 的短时 预测
有采 ．Ｌ｝＝ｉ人 丁智能技 术 的智 能分 忻方法 典 型 的统 计 分忻 模 型 有 ：孙 晓亮 采 刖熵 的 方 法
实现 时 交通状 态 的预测 ；乇新 锁 利』｛］非 参教 漠 型实现 交通 状态 的 【『ｉ】 预 测 ；郑 建湖 ［４１则 采用马 尔科 大 链 ，结 合车 辆 的 始 。爻通 状 态 、转 移 率 以 及下 … Ｈ，Ｊ 划车辆 的 交通状 态 ｆ｛、Ｊ建短 时 交通： 念 删馍 。
．
【关 键词 】 小 波 ； 冲经 网 络 ； ，通状 态 ； 时 预 测
ｔｏｉ：Ｉｌ】．｛ｌｊ“ｔ， ｉｓｓｎ Ｉ… ｒ 一ｌ（１１¨！ｌＩ１ ８．ｏ５｛１１ ｎ 中 图 分 类 号 ： Ｔ Ｎ ｊ：“．５ 文献 标 志 玛 ：Ａ 文章 编 号 ： Ｉ（｝ｆ ｊＩ Ｊ｝】格 式 ： 曹渝 基 于 小波 神 经 网络 的 交通 状 态 短 时 预 测 ｔｌｌ移 动 通 信 ，２０１８，４１（５）９Ｉ
人 工智 能 分 忻 有 ：盛 春 ０ 人 采用 ＿Ｊ１ ｎｆ‘断 网络 汁 尊 通 参 数 的条 件 概 率米 测 各 种 交通 状 态 ，一 的概 率 ；钱民 ’呆用定 性动 态栅 率 络 构建 的 通状 ：态预测 模 ， 汁 各路 口发 生洲 堵 的 可 能性 ；陶
Ｓｈｏｒｔ．ｔｅｒｍ Ｔｒａｆｆ ｉｃ Ｓｔａｔｅ Ｐｒｅｄｉｃｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｗ ａｖｅｌｅｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ
ＣＡ ０ Ｙｕ （（；（：Ｉ Ｓｃｉｅｎｃｅ＆ Ｔ ｈｎｏｌｏｇｙ Ｃｏ，Ｌｔｄ，（；ｕａｎｇｚｈｏｕ ５Ｉｆｎ】【】，Ｃｈｉｎａ）
［Ａｂｓｔｒａｃｔ］
强研 究 与探讨 ；ｉｉ
基 于 小波 神 经 网络 的交 通 状 态 短 时预 测
曹 渝
【摘 要 】 乃 ｊ 决 通 状 态 颅 洲 以 及 精 的 问 题 ， 以 小 波 堰作 为 模 式 ｌｌ Ｉ Ｊ】』【 １，ｊ特 ｆ 络 参数 和 误 莘 ， 通 过 ，ｊ、披 燕 故 输 入 向 的 进 『Ｊ［】 宴 现 输 入 ０ 特 掌： Ｊ 能 ， 现 ＿Ｉ， 越 状 ， 的 砸 ＿｛、Ｊ 删 实 蛤 ｝＂Ｊ， 法 县 仃 较 姒 的 ｛ 线 ｌ 能 够 现 通 态 的短 时 删