摘 要：文章將小波神經(jīng)網(wǎng)絡(luò)技術(shù)研究與交通信息預(yù)測研究緊密結(jié)合，以Matlab為平臺(tái)，結(jié)合實(shí)際數(shù)據(jù)，對交通流量預(yù)測。

關(guān)鍵詞：智能交通系統(tǒng)；交通信

1 概述

近年來，隨著人們生活水平的不斷提高，車輛的數(shù)量急劇增加，城市擁堵現(xiàn)象越來越嚴(yán)重。目前，已經(jīng)成為了嚴(yán)重影響人們的生產(chǎn)和生活的主要問題之一。城市交通擁堵智能交通系統(tǒng)（Intelligent Transportation System）就在這種大環(huán)境下應(yīng)運(yùn)而生，所謂的ITS是指在傳統(tǒng)的理論模型研究基礎(chǔ)上，融合先進(jìn)的傳感器、信息通信、智能控制、計(jì)算機(jī)處理等技術(shù)，從而建立起的一種的應(yīng)用范圍廣的實(shí)時(shí)、高效的綜合交通管理系統(tǒng)[1]。

智能交通系統(tǒng)的主要目的是為了最大限度的發(fā)揮整個(gè)交通運(yùn)輸系統(tǒng)的運(yùn)輸和管理效率。目前，使用智能方法對交通信息進(jìn)行預(yù)測（交通信息的智能預(yù)測）已然成為近年來實(shí)現(xiàn)智能交通系統(tǒng)的主要方法之一。

2 交通流預(yù)測

交通信息的預(yù)測是智能交通系統(tǒng)的重要組成部分，通過交通信息的預(yù)測可以提前預(yù)知道路的狀況，從而對預(yù)測擁堵路段進(jìn)行實(shí)時(shí)誘導(dǎo)，最大限度的發(fā)揮現(xiàn)有交通的運(yùn)送效率[2]。其中，交通流預(yù)測是交通信息預(yù)測的重要組成部分，主要針對交通流量（簡稱交通量）、密度、速度、占有率等參數(shù)進(jìn)行預(yù)測[3]。其實(shí)質(zhì)是采用一定的方法和手段，在前一時(shí)段及現(xiàn)有時(shí)段的交通狀況的基礎(chǔ)上，預(yù)測未來時(shí)段的交通狀態(tài)，如果交通流信息預(yù)測的方法選擇合適，預(yù)測狀態(tài)會(huì)十分逼近實(shí)際交通流狀態(tài)。

縱觀智能交通預(yù)測史，時(shí)間序列模型、濾波理論是最早應(yīng)用于交通流預(yù)測的方法；之后，濾波理論、小波分析法、人工神經(jīng)網(wǎng)絡(luò)也廣泛的應(yīng)用于交通流的預(yù)測，除此之外，支持向量機(jī)理論和混沌理論等也是交通流預(yù)測的重要方法。

3 小波神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network）是利用一定的技術(shù)手段，來模擬人類大腦神經(jīng)系統(tǒng)的結(jié)構(gòu)及功能的一種方法。因此，神經(jīng)網(wǎng)絡(luò)具備了與人類大腦一樣的一些特點(diǎn)，比如：分布式信息存儲(chǔ)、并行信息處理、自適應(yīng)非線性等。

目前，人工神經(jīng)網(wǎng)絡(luò)己廣泛的應(yīng)用于模式識(shí)別、目標(biāo)跟蹤、信號(hào)處理、模式識(shí)別、預(yù)測分析及智能化控制等相關(guān)領(lǐng)域；其中預(yù)測分析可以運(yùn)用于股票價(jià)格預(yù)測、地震預(yù)報(bào)等多個(gè)方面，且實(shí)驗(yàn)證明，預(yù)測效果很不錯(cuò)。1993年，城市道路的交通狀態(tài)的預(yù)測首次采用了神經(jīng)網(wǎng)絡(luò)的方法，這也是首次神經(jīng)網(wǎng)絡(luò)被運(yùn)用于智能交通預(yù)測領(lǐng)域。

1992年，法國著名的信息科學(xué)研究機(jī)構(gòu)IRLSA的ZhangQinghu等人首次提出小波神經(jīng)網(wǎng)絡(luò)的概念。小波神經(jīng)網(wǎng)絡(luò)是一種基于小波變換的神經(jīng)網(wǎng)絡(luò)模型，其實(shí)質(zhì)為用小波基來取代傳統(tǒng)的神經(jīng)元非線性激勵(lì)函數(shù)，把神經(jīng)網(wǎng)絡(luò)和小波變換有效的結(jié)合起來，且充分融合了兩者的優(yōu)點(diǎn)。

4 交通車流量預(yù)測實(shí)例

文章數(shù)據(jù)是以鄭堯高速公路某隧道的交通量觀測數(shù)據(jù)。數(shù)據(jù)分析采用的是2015年6月到12月的月交通量數(shù)據(jù)，2015年11月2日到11月8日一周的交通量數(shù)據(jù)和2015年11月7日周六的日交通量數(shù)據(jù)。觀測尺度為1小時(shí)的交通車流量，共236個(gè)數(shù)據(jù)。

文章是以Matlab為平臺(tái)進(jìn)行編程，采用小波神經(jīng)網(wǎng)絡(luò)的方法來實(shí)現(xiàn)預(yù)測的，其預(yù)測過程主要包括數(shù)據(jù)預(yù)處理、網(wǎng)絡(luò)構(gòu)建、網(wǎng)絡(luò)訓(xùn)練及網(wǎng)絡(luò)預(yù)測四個(gè)步驟。

4.1 數(shù)據(jù)預(yù)處理

數(shù)據(jù)的預(yù)處理是指對訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)的輸入和歸一化處理，其主要目的為了保證程序運(yùn)行時(shí)收斂加快。歸一化是指通過某種算法把數(shù)據(jù)限制在一定范圍內(nèi)。文章采用的是線性函數(shù)歸一化。

其表達(dá)式如下：

式中，MinValue，MaxValue分別為樣本的最小值和最大值，X，Y分別為數(shù)據(jù)的歸一化處理前、后的值。

4.2 網(wǎng)絡(luò)構(gòu)建

神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)構(gòu)建過程主要是指根據(jù)預(yù)測情況不同，確定網(wǎng)絡(luò)層數(shù)、隱含層數(shù)。根據(jù)文章的預(yù)測需求，小波神經(jīng)網(wǎng)絡(luò)采用三層網(wǎng)絡(luò)結(jié)構(gòu)，4輸入4輸出模式，所選擇隱含層的節(jié)點(diǎn)范圍為[4，12]。

4.3 網(wǎng)絡(luò)訓(xùn)練

網(wǎng)絡(luò)訓(xùn)練的主要目的是對網(wǎng)絡(luò)進(jìn)行初始化，其過程主要包括確定訓(xùn)練函數(shù)，以及在訓(xùn)練數(shù)據(jù)的基礎(chǔ)上訓(xùn)練網(wǎng)絡(luò)。

在進(jìn)行網(wǎng)絡(luò)訓(xùn)練的過程中，參數(shù)的設(shè)定對訓(xùn)練的速度和效果起著非常關(guān)鍵的作用，關(guān)鍵的參數(shù)主要包括：迭代次數(shù)epochs、學(xué)習(xí)目標(biāo)goal、學(xué)習(xí)率1r等。在整個(gè)的訓(xùn)練過程中保持參數(shù)一直設(shè)定為：epoch5000、1r0.2、goa10.001。

小波神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)是BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，而隱含層節(jié)點(diǎn)的傳遞函數(shù)是小波基函數(shù)。文章的網(wǎng)絡(luò)訓(xùn)練采用的小波基函數(shù)是Morlet小波基函數(shù)，其表達(dá)式為：

4.4 網(wǎng)絡(luò)預(yù)測

網(wǎng)絡(luò)的預(yù)測是交通流量預(yù)測的最后一步，其主要內(nèi)容是利用訓(xùn)練好的小波神經(jīng)網(wǎng)絡(luò)對測試的交通流的相關(guān)數(shù)據(jù)進(jìn)行預(yù)測，并輸出結(jié)果。

小波神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果如圖1所示。由圖可知使用小波神經(jīng)網(wǎng)絡(luò)對交通流量進(jìn)行預(yù)測的結(jié)構(gòu)較好。

5 結(jié)束語

由圖1可以得出以下結(jié)論，小波神經(jīng)網(wǎng)絡(luò)能夠達(dá)到學(xué)習(xí)目標(biāo)的要求，對交通流量進(jìn)行預(yù)測；經(jīng)過網(wǎng)絡(luò)訓(xùn)練，小波神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果與實(shí)際數(shù)據(jù)存在一定的誤差；對于數(shù)據(jù)急劇變化的點(diǎn)，網(wǎng)絡(luò)的預(yù)測誤差相對于變化平滑的點(diǎn)是比較大的。

參考文獻(xiàn)

[1]新浪網(wǎng)[EB/OL].http：//survey.news.sina.com.cn/result/65948.htm1.

[2]徐健銳.短時(shí)交通流預(yù)測中的若干問題研究[D].江蘇：江蘇大學(xué)，2010.

[3]姚智勝.基于實(shí)時(shí)數(shù)據(jù)的道路網(wǎng)短時(shí)交通流預(yù)測理論與方法研究[D].北京：北京交通大學(xué)，2007.

[4]MATLAB中文論壇.MATLAB神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析[M].北京：北京航空航天大學(xué)出版社，2010，4.

作者簡介：朱小會(huì)（1982，12-），女，漢族，河南周口人，鄭州科技學(xué)院，碩士研究生，講師，研究方向：電子電氣、智能控制。

齊仁龍（1982，4-），男，漢族，河南商丘人，鄭州科技學(xué)院，本科，講師，研究方向：電子電氣、智能控制。