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。準確的交通流量預(yù)測是實現(xiàn)交通規(guī)劃和誘導(dǎo)的前提。交通流量預(yù)測主要分為長期預(yù)測和短時預(yù)測，長期預(yù)測主要是以天、月甚至年為時間單位，進行宏觀意義上的預(yù)測，短時預(yù)測一般時間跨度不超過15分鐘。本文主要以短時預(yù)測為研究對象，采用小波神經(jīng)網(wǎng)絡(luò)算法對某地區(qū)進行預(yù)測研究。實驗結(jié)果表明，該方法能夠較好地實現(xiàn)該地區(qū)短時交通流量的預(yù)測，對智慧交通中的規(guī)劃誘導(dǎo)有著重要的實際意義。

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

中圖分類號： TP183;U491.14 文獻標識碼： A 文章編號： 2095-2457（2019）19-0058-002

DOI：10.19694/j.cnki.issn2095-2457.2019.19.026

0 引言

隨著社會科技水平的不斷發(fā)展，智慧城市的建設(shè)逐步開展起來，智慧交通是智慧城市建設(shè)的一個重要板塊，而有效的交通規(guī)劃和誘導(dǎo)則顯得尤為重要，進而成為智慧交通領(lǐng)域的研究的熱點問題[1]。本文主要以短時交通流量預(yù)測為研究對象，對某地區(qū)的交通情況進行預(yù)測研究。目前短時交通流量預(yù)測有很多理論方法，典型的方法是以統(tǒng)計分析方法為基礎(chǔ)，但隨著車流量的不斷增多，短時交通流處于波動狀態(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)測方法難以滿足預(yù)測精度的需求[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)測研究，據(jù)此本文采用小波神經(jīng)網(wǎng)絡(luò)算法。經(jīng)實驗研究表明小波神經(jīng)網(wǎng)絡(luò)能夠較好地實現(xiàn)該地區(qū)短時交通流量的預(yù)測，對智慧交通中的規(guī)劃誘導(dǎo)具有一定的實際價值。

1 交通流量預(yù)測在智慧交通中的作用

隨著我國城市經(jīng)濟水平的迅速提高，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)、停車難等一系列問題已成為制約城市社會與經(jīng)濟發(fā)展的瓶頸，成為當前交通管理部門關(guān)注的焦點。

如圖1所示，在紛雜的十字路口車流量眾多，如何利用監(jiān)測設(shè)備獲取相關(guān)車流量數(shù)據(jù)信息，通過交通流量分析和態(tài)勢分析，實時分析當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)拓撲結(jié)構(gòu)如圖2所示。

如圖2所示，在網(wǎng)絡(luò)訓(xùn)練過程中，需要確立交通流量輸入層樣本xi，選取小波基函數(shù)？準作為激活函數(shù)，輸出層傳遞函數(shù)？漬，同時確定輸入層、隱含層以及輸出層節(jié)點個數(shù)，即可進行交通流量預(yù)測的訓(xùn)練，并在訓(xùn)練過程中不斷調(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)，即可完成對交通流量的預(yù)測分析。

3 實例分析

本文采用國內(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組作為測試集樣本用于測試網(wǎng)絡(luò)預(yù)測的準確性研究。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，進行系統(tǒng)建模，然后進行網(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)進行網(wǎng)絡(luò)訓(xùn)練，如果訓(xùn)練結(jié)束則進行網(wǎng)絡(luò)測試，進行預(yù)測分析，預(yù)測結(jié)果如圖4所示。由圖4可知，采用小波神經(jīng)網(wǎng)絡(luò)模型對車流量進行預(yù)測，能夠較好地實現(xiàn)預(yù)測性分析，準確率較高。

4 結(jié)論

本文在智慧交通背景下，針對關(guān)鍵路段車流量進行預(yù)測性分析研究。本文首先強調(diào)了交通流量預(yù)測在智慧交通中的重要作用，然后通過建立小波神經(jīng)網(wǎng)絡(luò)模型，實現(xiàn)對某地區(qū)關(guān)鍵路段短時車流量的準確預(yù)測，實驗結(jié)果表明該模型對實際交通流量預(yù)測具有一定的實際意義。

【參考文獻】

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

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

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