如何解決城市交通流的問題詳細預測算法設計論文說明

　　智能交通系統（ITS） 是當前國際研究的熱門課題，城市智能交通系統以解決城市交通的擁堵，提高交通效率，減少交通污染等為目的，而解決這些問題的關鍵是快速、實時和準確的交通流預測。隨著預測時間跨度的縮短， 交通流的規律性越來越不明顯， 傳統的預測方法難以湊效。本文針對城市交通流的分布特點，研究-種基于模糊神經網絡的城市交通流預測算法，考慮預測的快速性和實時性。以城市交通流為原型，首先分析了城市各路段交通流分布的特點，進而對模糊神經網絡進行了深入研究，并給出了基于模糊神經網絡的城市交通流預測的建模方法。最后對濟南經十路三個相鄰路段交通流實時數據進行了采集、建模和仿真，通過仿真結果與實際結果以及與單純神經網絡方法的比較，驗證了由模糊神經網絡建立的預測模型具有更高的預測效果和模擬精度。

　　隨著社會的發展，交通事故、交通堵塞、環境污染和能源消耗等問題日趨嚴重，城市交通問題越來越引起人們的關注。人、車、路三者關系的協調，已成為交通管理部門急需解決的重要問題之- - 。城市道路交通控制技術的發展是和汽車工業并行發展的，隨著人民生活水平的日益提高，人均擁有汽車量在不斷增高，隨之所帶來的交通問題也日趨嚴重。在其各個發展階段，由于交通的各種矛盾不斷出現，人們總是盡可能地把各個歷史階段當時的最新科技成果應用到交通控制中來，從而促進了交通控制技術的不斷發展。

　　做為智能交通系統的重要研究方面，交通流誘導系統是目前公認的提高交通效率和機動性的最佳途徑。交通流誘導系統的實質是給出行者提供實時準確的交通信息。交通流量是城市道路交通狀況的一種重要的信息，因此交通流量預測具有重要的現實意義。

　　交通系統是一個具有隨機性、模糊性和不確定性的復雜系統，因此，其數學模型的建立非常困難，有時甚至無法用現有的數學方法來描述。神經網絡具有自學習和大規模并行處理的能力，比較擅長認知處理;模糊控制不依賴于被控對象的精確模型，能夠充分利用學科領域的指示，并以較少的規則數表達知識，擅長技能處理。神經網絡和模糊控制這兩種技術各有所長，存在著互補性。近年來，將模糊控制和神經網絡相結合成為智能控制的重要分支。

　　針對紛繁變化的交通流狀態，選擇一種實時、有效的交通流預測方法已是智能交通系統迫切要解決的問題之。采用 模糊神經網絡進 行交通流預測，可以有效的提高交通控制效率，解決城市交通擁堵問題，實現交通控制的快速性，實時性，準確性，為出行者提供有效的交通信息，能夠大大節省出行者時間，緩解交通壓力，減少污染，節約能源等。