張淼

摘要：為了提高人們交通出行的效率，提出一種基于Java EE+BP算法的智能交通預(yù)測系統(tǒng)。該系統(tǒng)在需求目標(biāo)的基礎(chǔ)上，將系統(tǒng)功能模塊分為實(shí)時監(jiān)控模塊、違法管理模塊、布控管理模塊、智能研判模塊、查詢統(tǒng)計分析模塊與運(yùn)維管理模塊。同時通過BP神經(jīng)網(wǎng)絡(luò)對車流量進(jìn)行預(yù)測。最后，系統(tǒng)測試表明，本系統(tǒng)可預(yù)測一段時間的車流量，從而為城市交通提供參考。

Abstract： In order to improve the efficiency of people's traffic travel， an intelligent traffic prediction system based on Java EE+BP algorithm is proposed. On the basis of requirements and objectives， the system divides the system function modules into real-time monitoring module， illegal management module， deployment control management module， intelligent research and judgment module， query statistical analysis module and operation and maintenance management module. At the same time， the traffic flow is predicted by BP neural network. Finally， the system test shows that the system can predict the traffic flow for a period of time， so as to provide a reference for urban traffic.

關(guān)鍵詞：智能交通;Java EE;BP神經(jīng)網(wǎng)絡(luò)

Key words： intelligent transportation;Java EE;BP neural network

中圖分類號：TP311.52 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1006-4311（2020）30-0214-02

0 ?引言

隨著科技的進(jìn)步，中國經(jīng)濟(jì)水平也在快速發(fā)展。伴隨著經(jīng)濟(jì)水平的升高，人們購買的機(jī)動車數(shù)量也在持續(xù)增加。機(jī)動車在方便人們生活的同時，也對道路提出更高要求。一方面現(xiàn)代城市道路容量有限;另一方面，城市車輛保有率越來越高，從而使得城市出現(xiàn)嚴(yán)重?fù)矶?，給人們出行帶來極大不便。為了緩解該情況，交通部門借助先進(jìn)的技術(shù)創(chuàng)建交通管理信息系統(tǒng)，但受到技術(shù)和人力限制，交通擁堵還未得到有效緩解。對此，交通部門提出“智能交通”的理念，開始引入現(xiàn)代智能技術(shù)對交通進(jìn)行優(yōu)化。本研究則結(jié)合現(xiàn)代智能技術(shù)，提出基于BP的交通管理與預(yù)測系統(tǒng)，并對該系統(tǒng)進(jìn)行驗(yàn)證，從而提高交通部門能力管理能力。

1 ?總體結(jié)構(gòu)設(shè)計方案

結(jié)合當(dāng)前的智能技術(shù)和物聯(lián)網(wǎng)技術(shù)，以物聯(lián)網(wǎng)技術(shù)為基礎(chǔ)，以智能算法作為依托，將系統(tǒng)構(gòu)建為如圖1所示。

系統(tǒng)的技術(shù)方案則如圖2所示。結(jié)合SSH框架，然后以DAO作為數(shù)據(jù)連接接口，實(shí)現(xiàn)與數(shù)據(jù)庫的響應(yīng);以JSP頁面作為交互界面，實(shí)現(xiàn)用戶請求的輸入。

2 ?系統(tǒng)功能模塊設(shè)計

結(jié)合智能交通系統(tǒng)的需求，將系統(tǒng)的功能模塊分為實(shí)時監(jiān)控模塊、違法管理模塊、布控管理模塊、智能研判模塊、查詢統(tǒng)計分析模塊與運(yùn)維管理模塊。具體可以用圖3示意。

3 ?系統(tǒng)設(shè)計與實(shí)現(xiàn)

3.1 車流量預(yù)測模型構(gòu)建

BP神經(jīng)網(wǎng)絡(luò)（Back Propagation Neutral Network）是由多名科學(xué)家提出的一種神經(jīng)網(wǎng)絡(luò)算法。主要原理是按照誤差逆向傳播進(jìn)行訓(xùn)練的一種多層前饋神經(jīng)網(wǎng)絡(luò)。一般來說，BP神經(jīng)網(wǎng)絡(luò)包含輸入層、隱含層與輸出層三層。在BP訓(xùn)練過程中，包含學(xué)習(xí)和訓(xùn)練兩個階段：一階段為前向傳導(dǎo)階段。即向輸入層輸入信息以后，經(jīng)過各神經(jīng)元計算，再向下一層進(jìn)行傳導(dǎo)，直到輸出結(jié)果。如果輸出的結(jié)果與預(yù)期的結(jié)果有所出入，就需要進(jìn)行第二階段;二階段是逆向傳導(dǎo)階段。這個階段的特點(diǎn)是逐層遞歸的計算實(shí)際輸出結(jié)果與期望輸出結(jié)果間的誤差，并根據(jù)該誤差調(diào)整各個神經(jīng)元權(quán)值，以使誤差最小。經(jīng)過不斷調(diào)整，直到輸出的結(jié)果值達(dá)到預(yù)期要求，則訓(xùn)練結(jié)束。具體訓(xùn)練過程如圖4所示。

3.2 系統(tǒng)實(shí)現(xiàn)環(huán)境搭建

本系統(tǒng)實(shí)現(xiàn)環(huán)境見表1所示。

4 ?系統(tǒng)測試

4.1 測試數(shù)據(jù)來源

考慮到測試數(shù)據(jù)來源的復(fù)雜性，本研究只針對分叉路口的車流量進(jìn)行預(yù)測，從而為系統(tǒng)提供預(yù)測結(jié)果。假設(shè)總體時間為t，將t分為四個時間段，分別為t1、t2、t3、t4。以2018年5月10日至2018年5月21日的車流量作為數(shù)據(jù)樣本，每隔15分鐘記錄一次，將所有的數(shù)據(jù)收集起來，以前10天數(shù)據(jù)作為訓(xùn)練樣本，將最后一天的數(shù)據(jù)作為測試樣本。但這里要注意的一點(diǎn)就是，每個時間點(diǎn)的數(shù)據(jù)跨度都是比較大的，為了得到更為準(zhǔn)確的結(jié)果，所以會提前將數(shù)據(jù)進(jìn)行歸一化處理。也就是將樣本數(shù)據(jù)映射到1，0之間。具體歸一化公式為：

（1）

設(shè)定BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為8-10-1，即輸入層為8，隱含層為10，輸出1個結(jié)果。

4.2 網(wǎng)絡(luò)傳遞函數(shù)選擇

對于BP神經(jīng)網(wǎng)絡(luò)來說，如果采用不同的傳遞函數(shù)，那么BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差、訓(xùn)練時間以及映射的復(fù)雜程度都會受到一定的影響。所以選擇最適合的傳遞函數(shù)。本研究選擇改進(jìn)版的S型函數(shù)，具體函數(shù)如下：

（2）

為了提升訓(xùn)練的收斂性，在上述的公式中加入變量T，于是形成一個新函數(shù)。

（3）

4.3 測試結(jié)果

根據(jù)以上的參數(shù)設(shè)置，將數(shù)據(jù)導(dǎo)入智能系統(tǒng)中，并調(diào)用Matlab軟件，從而得到不同路口下的車流量預(yù)測結(jié)果界面，具體如圖5所示。

5 ?結(jié)語

城市智能系統(tǒng)的設(shè)計和實(shí)現(xiàn)是很有必要性的。就目前來看，城市智能交通系統(tǒng)的發(fā)展還是比較可觀的。本系統(tǒng)采用Java EE技術(shù)架構(gòu)進(jìn)行開發(fā)，還利用BP神經(jīng)網(wǎng)絡(luò)提供數(shù)據(jù)支持，能夠有效的預(yù)測車流量，從而緩解交通的壓力，改善人們的出行環(huán)境。

參考文獻(xiàn)：

[1]陳軍.云平臺與物聯(lián)網(wǎng)協(xié)同的城市智能停車場系統(tǒng)設(shè)計與實(shí)現(xiàn)[J].通信電源技術(shù)，2020，37（10）：8-11，14.

[2]谷曉鵬，王佳維，張紅，汪溁鶴.新基建背景下城市智慧交通系統(tǒng)設(shè)計與實(shí)現(xiàn)[J].智能網(wǎng)聯(lián)汽車，2020（04）：94-96.

[3]黃慧瓊，張澤昆，榮武月.城市中心商業(yè)區(qū)停車場ETC系統(tǒng)應(yīng)用與評價[J].交通科技與經(jīng)濟(jì)，2020，22（01）：33-37.