M34.BP神經(jīng)網(wǎng)絡(luò)在高速公路交通量預(yù)測中的應(yīng)用

以高速公路交通流預(yù)測為研究對象,簡化了高速公路宏觀動態(tài)交通流模型,利用matlab神經(jīng)網(wǎng)絡(luò)工具建立模型并進(jìn)行網(wǎng)絡(luò)訓(xùn)練與預(yù)測。對嘉興站附近高速公路交通流數(shù)據(jù)進(jìn)行了采集、建模和預(yù)測。從預(yù)測結(jié)果中得知,基于bp神經(jīng)網(wǎng)絡(luò)交通流預(yù)測模型具有很高的可靠度,該簡化的交通流模型更為簡練,預(yù)測結(jié)果亦可以點帶面地面描述該站點一定空間及時間范圍內(nèi)的交通流情況。

以宏觀動態(tài)交通流模型為基礎(chǔ),分析了模型中各個參數(shù)之間的函數(shù)關(guān)系.給出了基于bp神經(jīng)網(wǎng)絡(luò)理論的高速公路交通流預(yù)測模型建立的方法,對高速公路進(jìn)行建模.該模型可以通過對高速公路交通流信息的實時采集對參數(shù)進(jìn)行動態(tài)的修正,達(dá)到交通流信息預(yù)測的準(zhǔn)確性要求.

根據(jù)某高速公路高路堤填土施工期路基沉降實測資料,建立了預(yù)測路基沉降的等時距bp神經(jīng)網(wǎng)絡(luò)模型,并運用三次樣條插值獲得預(yù)測時間段內(nèi)任一時刻沉降值,并與實測值進(jìn)行比較,證明它具有很高的預(yù)測精度。

借助人工神經(jīng)網(wǎng)絡(luò)模型,建立了可依據(jù)現(xiàn)場量測信息對軟基路堤沉降量隨時間而發(fā)展的過程進(jìn)行動態(tài)預(yù)報的分析方法。其要點是:建立公路軟基沉降預(yù)測的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),并將前期沉降觀測值作為樣本,通過神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的訓(xùn)練尋求沉降及其主要影響因素的內(nèi)在關(guān)系,據(jù)以預(yù)測后期沉降量

文章主要對江西高速公路信息中心建設(shè)中的道路氣象監(jiān)測平臺和交通應(yīng)急監(jiān)控平臺做了一些具體的研究。主要研究內(nèi)容首先是道路氣象監(jiān)測平臺監(jiān)測各路段及關(guān)鍵點的各種異常交通環(huán)境因素變化和氣象狀況。將數(shù)據(jù)信息及時傳送到高速公路信息中心基于地理信息系統(tǒng)gis模型，再通過bp神經(jīng)網(wǎng)絡(luò)模型分析路況實時氣象數(shù)據(jù)（氣溫、濕度、風(fēng)向、路面溫度、能見度等）與道路車輛行駛狀況（如交通量、速度、道路占有率等）之間的關(guān)系，模擬道路天氣對道路車輛的影響。

為了提高高速公路交通安全評價的準(zhǔn)確性及可靠性,在遵循評價基本原理及相關(guān)要求的基礎(chǔ)上,提出基于bp神經(jīng)網(wǎng)絡(luò)的高速公路交通安全評價方法,建立了高速公路交通安全評價模型,并對新疆s045線交通安全狀況進(jìn)行實例分析。結(jié)果表明:新疆s045線交通安全狀況良好?；赽p神經(jīng)網(wǎng)絡(luò)的高速公路交通安全評價準(zhǔn)確性較高,其涉及參數(shù)較少,操作簡便,評價科學(xué)。

為了評價高速公路交通安全的水平,使高速公路的管理者能獲得交通安全狀況的動態(tài)信息,在對國內(nèi)外交通安全評價的方法進(jìn)行研究的基礎(chǔ)上,提出了bp神經(jīng)網(wǎng)絡(luò)評價模型進(jìn)行高速公路交通安全評價.在對交通事故進(jìn)行調(diào)查分析的基礎(chǔ)上,從影響高速公路交通安全的6個方面,建立了相應(yīng)的評價指標(biāo)體系,共計18個指標(biāo).每個指標(biāo)有確定的指數(shù)等級劃分依據(jù)、評價要求、調(diào)查方法.采用c++語言開發(fā)了基于bp神經(jīng)網(wǎng)絡(luò)模型的綜合評價軟件,在江西省梨溫和昌泰2條高速公路進(jìn)行實際應(yīng)用.對評價結(jié)果進(jìn)行了分析,表明該方法操作性強(qiáng)、結(jié)果可靠.

采用人工神經(jīng)網(wǎng)絡(luò)較強(qiáng)的非線性映射能力和學(xué)習(xí)能力,提出基于改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)預(yù)測鹽淮高速公路的路基的沉降。利用實測沉降資料直接建模,避免了傳統(tǒng)方法計算過程中各種人為因素的干擾,所建立的模型預(yù)測精度高、預(yù)測的沉降量誤差小。

本文介紹了transcad軟件的特點及其功能，作為交通規(guī)劃軟件對濟(jì)南至東營高速公路的未來特征年的交通量進(jìn)行了預(yù)測，并提出了應(yīng)用該軟件的不足。

準(zhǔn)確的交通流預(yù)測是智能交通系統(tǒng)的關(guān)鍵技術(shù),為此,本文以衡大高速為研究對象,提出基于ga-bp神經(jīng)網(wǎng)絡(luò)的衡大高速日交通流量預(yù)測方法。本文通過閾值方法對微波車檢器數(shù)據(jù)進(jìn)行預(yù)處理,根據(jù)ga-bp神經(jīng)網(wǎng)絡(luò)算法建立了交通流量預(yù)測模型,并通過計算機(jī)仿真驗證對比預(yù)測結(jié)果和實際流量數(shù)據(jù),其預(yù)測結(jié)果精度高,可滿足日常交通管理需求,為交通管理提供了有效的技術(shù)支撐、本課題受到河北省交通運輸廳科研課題(y-2014022)的支持。

為了預(yù)測高速公路路基最終沉降量,首先依據(jù)影響軟土路基沉降的因素選取參數(shù)建立了bp神經(jīng)網(wǎng)絡(luò)預(yù)測最終沉降量模型.結(jié)合成都-南充高速公路沉降實測資料及其它文獻(xiàn)中大量路基沉降資料,利用bp神經(jīng)網(wǎng)絡(luò)預(yù)測了其各自最終沉降量.通過檢驗樣本驗證,預(yù)測精度較高,能夠滿足實際需要.并對bp神經(jīng)網(wǎng)絡(luò)在公路建設(shè)中的應(yīng)用提出了一些注意事項.

根據(jù)安全車速的概念與特征,提出綜合運用客觀數(shù)據(jù)與主觀數(shù)據(jù),進(jìn)行bp神經(jīng)網(wǎng)絡(luò)安全車速預(yù)測的方法。首先確定影響安全車速的主要因素,然后通過客觀分析與主觀分析方法相結(jié)合的方式,獲取相關(guān)因素影響下高速公路的典型安全車速,作為建立神經(jīng)網(wǎng)絡(luò)計算所需的樣本與驗證數(shù)據(jù)。模型的訓(xùn)練與驗證過程表明,主客觀數(shù)據(jù)相結(jié)合的神經(jīng)網(wǎng)絡(luò)方法能夠較好地預(yù)測復(fù)雜因素影響下的高速公路安全車速。

雖然影響交通量增長的因素有很多,但有兩點是最重要的,一個是國民經(jīng)濟(jì)的發(fā)展現(xiàn)狀,一個是經(jīng)濟(jì)總量與經(jīng)濟(jì)結(jié)構(gòu),前者是主導(dǎo)因素,后者為具體因素。本文基于高速公路入口處的交通量,對探討高速公路出入口交通量與經(jīng)濟(jì)發(fā)展關(guān)系的相關(guān)性提出了建議,旨在提高公路網(wǎng)規(guī)劃的科學(xué)性。

人工神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的自組織、自適應(yīng)、容錯性以及很強(qiáng)的學(xué)習(xí)、聯(lián)想能力,本文將其應(yīng)用到高速公路路基沉降預(yù)測中。重點介紹了elman模型方法,本方法利用實測資料直接建模,避免了傳統(tǒng)方法計算過程中的各種局限性,通過對高速公路路基實測沉降資料的計算分析,證明本模型預(yù)測精度高,簡便易行,具有廣泛的工程實用價值。

bp神經(jīng)網(wǎng)絡(luò)在基坑變形預(yù)測分析中的應(yīng)用——本文提出了基坑變形預(yù)測與分析的bp神經(jīng)網(wǎng)絡(luò)方法，建立了基坑變形預(yù)測分析的模型，應(yīng)用matlab語言編制計算程序進(jìn)行計算并與實際工程監(jiān)測值進(jìn)行比較，從而驗證了神經(jīng)網(wǎng)絡(luò)在基坑變形預(yù)測分析中的可行性、有效性?！　?/p>

在對某基坑工程采用bp神經(jīng)網(wǎng)絡(luò)模型預(yù)測基坑開挖引起地表變形的分析中,考慮到現(xiàn)有模型可能會遇到預(yù)測結(jié)果跳不出訓(xùn)練樣本以及訓(xùn)練時間較長的問題,提出采用matlab中的mapminmax函數(shù)進(jìn)行歸一化處理,并基于牛頓法、共軛梯度法和l-m法三種數(shù)值優(yōu)化方法對bp網(wǎng)絡(luò)訓(xùn)練算法進(jìn)行了改進(jìn).研究結(jié)果表明:與常用的基于梯度下降原則相比,改進(jìn)后的bp神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時間和預(yù)測誤差方面均有明顯的優(yōu)勢,采用l-m法的神經(jīng)網(wǎng)絡(luò)在訓(xùn)練樣本時的迭代次數(shù)最少為74次,采用共軛梯度法的預(yù)測結(jié)果與實測結(jié)果的誤差最大為2.4％,而采用牛頓法神經(jīng)網(wǎng)絡(luò)的預(yù)測值則比較均衡,預(yù)測結(jié)果相對最佳.

bp神經(jīng)網(wǎng)絡(luò)是分析處理復(fù)雜非線性問題的一種有效方法,是目前廣泛應(yīng)用的一種神經(jīng)網(wǎng)絡(luò),已被逐漸應(yīng)用于對宏觀經(jīng)濟(jì)問題的研究中。本文有機(jī)地整合了計量經(jīng)濟(jì)學(xué)與bp神經(jīng)網(wǎng)絡(luò),建立了基于因果關(guān)系理論來確定bp網(wǎng)絡(luò)的輸入變量,基于協(xié)整理論來分析bp網(wǎng)絡(luò)系統(tǒng)的可靠性,基于學(xué)習(xí)率可變的動量bp算法的用于研究經(jīng)濟(jì)領(lǐng)域問題的改進(jìn)bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型,加強(qiáng)了網(wǎng)絡(luò)模型的理論基礎(chǔ),提高了網(wǎng)絡(luò)模型的質(zhì)量,并將其應(yīng)用于西北建筑業(yè)的預(yù)測和控制中,取得了令人滿意的效果。

提出一種采用bp神經(jīng)網(wǎng)絡(luò)算法來預(yù)測深基坑沉降的方法,結(jié)合具體工程實例,構(gòu)建了預(yù)測深基坑周邊地表沉降具體bp神經(jīng)網(wǎng)絡(luò)模型,預(yù)測結(jié)果表明,該模型有較高的預(yù)測精度,可作為預(yù)測沉降的一種新方法。

簡要介紹了高速公路軟土地基的基本性質(zhì)和對高速公路的主要影響,運用神經(jīng)網(wǎng)絡(luò)預(yù)測了軟土地基的沉降,并計算出軟土地基的沉降值。

gm模型在預(yù)測中對歷史數(shù)據(jù)作不同取舍時,其預(yù)測值并不相同,即這種預(yù)測結(jié)果將是一個預(yù)測值的區(qū)間,這就給預(yù)測人員的取舍帶來一定困難。利用gm模型少數(shù)據(jù)建模和人工神經(jīng)網(wǎng)絡(luò)非線性逼近的優(yōu)點把兩種模型結(jié)合起來,用對歷史數(shù)據(jù)作不同取舍的gm模型的預(yù)測值和純神經(jīng)網(wǎng)絡(luò)的預(yù)測值作為組合神經(jīng)網(wǎng)絡(luò)的輸入,由人工神經(jīng)網(wǎng)絡(luò)確定這些不同gm模型和純bp網(wǎng)絡(luò)的組合,實例驗證得出更為準(zhǔn)確的預(yù)測值,從而證明這一模型的可行性和有效性。

短時交通流預(yù)測是現(xiàn)代智能交通系統(tǒng)的核心內(nèi)容,針對城市道路被占所造成的城市交通擁堵排隊問題,以路段視頻統(tǒng)計為例,利用bp神經(jīng)網(wǎng)絡(luò)方法就實際通行能力、具體車輛數(shù)、事故持續(xù)時間與排隊最長長度之間的關(guān)系進(jìn)行預(yù)測分析,從實驗?zāi)M結(jié)果來看,該方法能有效地解決交通流實時和可靠性預(yù)測。

本文從影響高速公路交通量增長的宏觀經(jīng)濟(jì)指標(biāo)出發(fā),借鑒了matas(2001)高速公路交通量增長預(yù)測模型,回歸出我國基于宏觀經(jīng)濟(jì)因素的高速公路交通量增長預(yù)測模型,結(jié)果表明影響交通流量增長的最主要經(jīng)濟(jì)因素為地區(qū)生產(chǎn)總值和地區(qū)失業(yè)人口。本文還基于福建省某條高速公路的相關(guān)數(shù)據(jù),在預(yù)測其經(jīng)濟(jì)因素概率分布模型的基礎(chǔ)上,預(yù)測出其交通流量增長概率分布圖。本文目的在于指出影響高速公路交通量增長的經(jīng)濟(jì)因素,同時為預(yù)測交通流量的增長提供一種客觀的方法。