高速公路流量短时预测系统的设计与实现

论文总字数：27312字

摘 要

随着经济水平发展，私人车辆数目增加，高速公路成为一种越来越常见的出行方式。高速公路的路况水平与出行便利程度密切相关，为了便于交管部门对交通状况的维护与提升，有必要采集相关交通数据，通过数据分析与数据挖掘，对高速公路的短时路况特性进行研究，从而实现对高速公路交通的合理调度，降低拥堵风险，提升出行体验。

针对上述内容，本文设计并实现了高速公路短时流量预测系统。该系统基于Tensorflow框架，使用沪蓉高速2017年6月/7月/8月的实际数据作为数据来源。通过对系统的需求分析，可以明确系统的构成模块主要包括模型训练、模型评估、流量预测等内容。在模型训练方面，提供给用户两种算法进行选择使用。在模型评估方面，使用平均绝对百分误差（MAPE）进行模型预测精确度评估并存储详细结果对比折线图。在流量预测方面，提供用户不同日期进行选择，并保存预测结果到指定路径中。实验结果表明，系统可以训练模型达到预期精度并实现预测功能，保存可复用的训练模型及预测结果。

关键词：高速公路，短时交通预测，BP神经网络，遗传算法

Abstract

With the development of economy and the increasing number of private vehicles, highways become a more and more common way to travel. The traffic situation of highway is closely related to the convenience of travel. In order to facilitate the maintenance and promotion of traffic conditions by the traffic control department, it is necessary to collect relevant traffic data. Through data analysis and data mining, the short-term traffic characteristics of highways will be studied more to achieve reasonable dispatching of highway traffic, reduce congestion risk and improve travel experience.

In view of the above problems, this paper designs and implements a short-term traffic prediction system for highway. The system is based on the Tensorflow framework, using the actual data of G42 Highway in 2017 6/7/8 month as the data source. Through the analysis of the demand of the system, it can be clear that the modules of the system consist of model training, model evaluation, traffic prediction and so on. In terms of model training, two algorithms are provided for users to choose and use. In terms of model evaluation, the mean absolute percentage error (MAPE) is used to evaluate the accuracy of the model prediction and store the detailed results in comparison with the broken line graph. In terms of traffic prediction, users are provided with different dates to choose, and the prediction results are saved to the specified path. The experimental results show that the system can train the model to achieve the expected accuracy and achieve predictive function, and save the reusable training model and prediction results.

Keywords: Highway, Short-term Transport Prediction, BP Neural Network, Genetic Algorithm

目 录

摘 要 Ⅰ

Abstract Ⅱ

第一章 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 1

1.3 研究目标和内容 3

1.4 论文组织与结构 3

第二章 交通流量预测方法研究 4

2.1 交通流量预测相关理论 4

2.1.1 交通流量预测意义 4

2.1.2 交通流量预测流程 4

2.2 短时交通流量预测相关理论 5

2.2.1 短时交通流量预测定义 5

2.2.2 短时交通流量预测特性分析 5

2.2.3 短时交通流量预测模型评价指标 6

2.3 人工神经网络算法研究 6

2.3.1 人工神经网络相关概念 6

2.3.2 BP神经网络 6

2.3.3 遗传算法 8

2.3.4 经GA优化的BP神经网络 8

2.4 本章小结 9

第三章 高速公路交通流量分析 10

3.1 交通流量概述 10

3.2 沪蓉高速流量数据分析 10

3.2.1 沪蓉高速简介 10

3.2.2 初步筛选 10

3.2.3 补充完善 12

3.2.4 趋势分析 13

3.3 沪蓉高速流量数据处理 14

3.3.1 数据格式选择 14

3.3.2 数据划分方案 14

3.4 本章小结 15

第四章 系统实现与测试 16

4.1 系统需求分析 16

4.1.1 数据来源 16

4.1.2 算法比较 17

4.2 系统设计目标 17

4.3 系统设计与实现 17

4.3.1 系统设计 17

4.3.2 系统实现 19

4.4 系统测试 22

4.4.1 系统测试环境 23

4.4.2 系统测试结果分析 23

4.5 本章小结 28

第五章 结论 29

5.1 全文总结 29

5.2 研究展望 29

致 谢 30

参考文献 31

图形目录

剩余内容已隐藏，请支付后下载全文，论文总字数：27312字