林麒麟　石欣鑫　俸世洲

【摘 要】智能交通是智慧城市建設(shè)中不可或缺的一個(gè)重要板塊，交通規(guī)劃和交通誘導(dǎo)成為交通領(lǐng)域的研究熱點(diǎn)。準(zhǔn)確的交通流量預(yù)測(cè)是實(shí)現(xiàn)交通規(guī)劃和誘導(dǎo)的前提。交通流量預(yù)測(cè)主要分為長(zhǎng)期預(yù)測(cè)和短時(shí)預(yù)測(cè)，長(zhǎng)期預(yù)測(cè)主要是以天、月甚至年為時(shí)間單位，進(jìn)行宏觀意義上的預(yù)測(cè)，短時(shí)預(yù)測(cè)一般時(shí)間跨度不超過(guò)15分鐘。本文主要以短時(shí)預(yù)測(cè)為研究對(duì)象，采用小波神經(jīng)網(wǎng)絡(luò)算法對(duì)某地區(qū)進(jìn)行預(yù)測(cè)研究。實(shí)驗(yàn)結(jié)果表明，該方法能夠較好地實(shí)現(xiàn)該地區(qū)短時(shí)交通流量的預(yù)測(cè)，對(duì)智慧交通中的規(guī)劃誘導(dǎo)有著重要的實(shí)際意義。

【關(guān)鍵詞】智慧交通;小波神經(jīng)網(wǎng)絡(luò);短時(shí)交通流量;預(yù)測(cè)

中圖分類號(hào)： TP183;U491.14 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 2095-2457（2019）19-0058-002

DOI：10.19694/j.cnki.issn2095-2457.2019.19.026

0 引言

隨著社會(huì)科技水平的不斷發(fā)展，智慧城市的建設(shè)逐步開(kāi)展起來(lái)，智慧交通是智慧城市建設(shè)的一個(gè)重要板塊，而有效的交通規(guī)劃和誘導(dǎo)則顯得尤為重要，進(jìn)而成為智慧交通領(lǐng)域的研究的熱點(diǎn)問(wèn)題[1]。本文主要以短時(shí)交通流量預(yù)測(cè)為研究對(duì)象，對(duì)某地區(qū)的交通情況進(jìn)行預(yù)測(cè)研究。目前短時(shí)交通流量預(yù)測(cè)有很多理論方法，典型的方法是以統(tǒng)計(jì)分析方法為基礎(chǔ)，但隨著車流量的不斷增多，短時(shí)交通流處于波動(dòng)狀態(tài)，以及頻繁的交通擁擠特征，造成交通流量數(shù)據(jù)呈現(xiàn)非線性變化，使得傳統(tǒng)的線性預(yù)測(cè)方法難以滿足預(yù)測(cè)精度的需求[2-3]。神經(jīng)網(wǎng)絡(luò)智能算法能夠?qū)崿F(xiàn)交通流量的非線性預(yù)測(cè)研究，據(jù)此本文采用小波神經(jīng)網(wǎng)絡(luò)算法。經(jīng)實(shí)驗(yàn)研究表明小波神經(jīng)網(wǎng)絡(luò)能夠較好地實(shí)現(xiàn)該地區(qū)短時(shí)交通流量的預(yù)測(cè)，對(duì)智慧交通中的規(guī)劃誘導(dǎo)具有一定的實(shí)際價(jià)值。

1 交通流量預(yù)測(cè)在智慧交通中的作用

隨著我國(guó)城市經(jīng)濟(jì)水平的迅速提高，交通基礎(chǔ)設(shè)施建設(shè)加快，城市交通需求大幅增加，交通供需矛盾日益突出，交通擁堵、交通污染、交通事故頻發(fā)、停車難等一系列問(wèn)題已成為制約城市社會(huì)與經(jīng)濟(jì)發(fā)展的瓶頸，成為當(dāng)前交通管理部門關(guān)注的焦點(diǎn)。

如圖1所示，在紛雜的十字路口車流量眾多，如何利用監(jiān)測(cè)設(shè)備獲取相關(guān)車流量數(shù)據(jù)信息，通過(guò)交通流量分析和態(tài)勢(shì)分析，實(shí)時(shí)分析當(dāng)前城市道路擁堵情況，顯得尤為重要。

2 小波神經(jīng)網(wǎng)絡(luò)

小波神經(jīng)網(wǎng)絡(luò)以BP神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，同時(shí)把小波基函數(shù)作為隱含層傳遞函數(shù)的一種神經(jīng)網(wǎng)絡(luò)，具體網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖2所示。

如圖2所示，在網(wǎng)絡(luò)訓(xùn)練過(guò)程中，需要確立交通流量輸入層樣本xi，選取小波基函數(shù)？準(zhǔn)作為激活函數(shù)，輸出層傳遞函數(shù)？漬，同時(shí)確定輸入層、隱含層以及輸出層節(jié)點(diǎn)個(gè)數(shù)，即可進(jìn)行交通流量預(yù)測(cè)的訓(xùn)練，并在訓(xùn)練過(guò)程中不斷調(diào)整連接權(quán)值wij、wki以及閾值？茲i和ak，確定最終的網(wǎng)絡(luò)結(jié)構(gòu)和相關(guān)參數(shù)。最后確定最終的網(wǎng)絡(luò)結(jié)構(gòu)和相關(guān)參數(shù)，即可完成對(duì)交通流量的預(yù)測(cè)分析。

3 實(shí)例分析

本文采用國(guó)內(nèi)某地區(qū)關(guān)鍵路段的流量數(shù)據(jù)作為樣本分析，采樣間隔為15min，其中300組數(shù)據(jù)作為訓(xùn)練集樣本，100組作為測(cè)試集樣本用于測(cè)試網(wǎng)絡(luò)預(yù)測(cè)的準(zhǔn)確性研究。具體訓(xùn)練流程如圖3所示。首先構(gòu)建小波神經(jīng)網(wǎng)絡(luò)模型，進(jìn)行系統(tǒng)建模，然后進(jìn)行網(wǎng)絡(luò)訓(xùn)練，其中包括網(wǎng)絡(luò)初始化，網(wǎng)絡(luò)權(quán)值閾值的調(diào)整，再判斷網(wǎng)絡(luò)訓(xùn)練是否結(jié)束，如果未結(jié)束繼續(xù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，如果訓(xùn)練結(jié)束則進(jìn)行網(wǎng)絡(luò)測(cè)試，進(jìn)行預(yù)測(cè)分析，預(yù)測(cè)結(jié)果如圖4所示。由圖4可知，采用小波神經(jīng)網(wǎng)絡(luò)模型對(duì)車流量進(jìn)行預(yù)測(cè)，能夠較好地實(shí)現(xiàn)預(yù)測(cè)性分析，準(zhǔn)確率較高。

4 結(jié)論

本文在智慧交通背景下，針對(duì)關(guān)鍵路段車流量進(jìn)行預(yù)測(cè)性分析研究。本文首先強(qiáng)調(diào)了交通流量預(yù)測(cè)在智慧交通中的重要作用，然后通過(guò)建立小波神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)對(duì)某地區(qū)關(guān)鍵路段短時(shí)車流量的準(zhǔn)確預(yù)測(cè)，實(shí)驗(yàn)結(jié)果表明該模型對(duì)實(shí)際交通流量預(yù)測(cè)具有一定的實(shí)際意義。

【參考文獻(xiàn)】

[1]李波.基于小波分析和遺傳神經(jīng)網(wǎng)絡(luò)的短時(shí)城市交通流量預(yù)測(cè)研究[D].北京：北京交通大學(xué)，2012.

[2]謝忠玉，韓桂華，初紅霞，等.兩種短時(shí)交通流混沌預(yù)測(cè)方法分析[J].交通科技與經(jīng)濟(jì)，2011，13（4）：110-112.

[3]錢偉，車凱，李冰鋒.基于組合模型的短時(shí)交通流量預(yù)測(cè)[J].控制工程，2019，26（1）：125-130.