如何解决城市交通流的问题详细预测算法设计论文说明

　　智能交通系统（ITS） 是当前国际研究的热门课题，城市智能交通系统以解决城市交通的拥堵，提高交通效率，减少交通污染等为目的，而解决这些问题的关键是快速、实时和准确的交通流预测。随着预测时间跨度的缩短， 交通流的规律性越来越不明显， 传统的预测方法难以凑效。本文针对城市交通流的分布特点，研究-种基于模糊神经网络的城市交通流预测算法，考虑预测的快速性和实时性。以城市交通流为原型，首先分析了城市各路段交通流分布的特点，进而对模糊神经网络进行了深入研究，并给出了基于模糊神经网络的城市交通流预测的建模方法。最后对济南经十路三个相邻路段交通流实时数据进行了采集、建模和仿真，通过仿真结果与实际结果以及与单纯神经网络方法的比较，验证了由模糊神经网络建立的预测模型具有更高的预测效果和模拟精度。

　　随着社会的发展，交通事故、交通堵塞、环境污染和能源消耗等问题日趋严重，城市交通问题越来越引起人们的关注。人、车、路三者关系的协调，已成为交通管理部门急需解决的重要问题之- - 。城市道路交通控制技术的发展是和汽车工业并行发展的，随着人民生活水平的日益提高，人均拥有汽车量在不断增高，随之所带来的交通问题也日趋严重。在其各个发展阶段，由于交通的各种矛盾不断出现，人们总是尽可能地把各个历史阶段当时的最新科技成果应用到交通控制中来，从而促进了交通控制技术的不断发展。

　　做为智能交通系统的重要研究方面，交通流诱导系统是目前公认的提高交通效率和机动性的最佳途径。交通流诱导系统的实质是给出行者提供实时准确的交通信息。交通流量是城市道路交通状况的一种重要的信息，因此交通流量预测具有重要的现实意义。

　　交通系统是一个具有随机性、模糊性和不确定性的复杂系统，因此，其数学模型的建立非常困难，有时甚至无法用现有的数学方法来描述。神经网络具有自学习和大规模并行处理的能力，比较擅长认知处理;模糊控制不依赖于被控对象的精确模型，能够充分利用学科领域的指示，并以较少的规则数表达知识，擅长技能处理。神经网络和模糊控制这两种技术各有所长，存在着互补性。近年来，将模糊控制和神经网络相结合成为智能控制的重要分支。

　　针对纷繁变化的交通流状态，选择一种实时、有效的交通流预测方法已是智能交通系统迫切要解决的问题之。采用 模糊神经网络进 行交通流预测，可以有效的提高交通控制效率，解决城市交通拥堵问题，实现交通控制的快速性，实时性，准确性，为出行者提供有效的交通信息，能够大大节省出行者时间，缓解交通压力，减少污染，节约能源等。