基于PSO与神经网络串联优化的道路通行时间预测方法技术

本发明专利技术公开了一种基于PSO与神经网络串联优化的道路通行时间预测方法，首先依据传统阻抗函数的不足，提出了考虑车型影响的道路阻抗函数，利用PSO算法标定优化的道路阻抗函数中的待定参数，其次利用BP神经网络对标定后的道路阻抗函数进行进一步的修正，通过两种算法的串联组合对阻抗函数进行优化。本发明专利技术相较于传统预测方法，可以大大提高道路通行时间预测的准确度。

【技术实现步骤摘要】
基于PSO与神经网络串联优化的道路通行时间预测方法
本专利技术涉及一种道路通行时间预测方法，特别是一种基于PSO与神经网络串联优化的道路通行时间预测方法，属于交通分析领域。
技术介绍
道路阻抗函数是指路段上行驶时间与路段的交通负荷之间存在的函数关系，它是出行者进行路径选择与管理者进行交通流分配的重要依据。即如何得到一个准确的可以反映实际道路通行时间的阻抗函数一直是国内外学者研究的重点。国外对路段阻抗函数的研究较早，很多经典的阻抗函数模型都是国外建立的。其中大部分都是使用模型来描述道路的行驶状况，并通过实际调查得到的道路信息标定模型中的待定参数。美国公路局首先对高速公路的通行时间进行了深入的分析，通过实验得到大量的基础数据，最终利用回归分析得到了BPR函数。Spiess等人针对BPR函数中β值过高引起的精度值过低及在饱和度较低时出行时间变化幅度小的问题，改进了阻抗函数模型；Davidson以排队论为基础，提出了具有渐进性的阻抗函数，即当道路交通量达到道路容量时行驶时间为无穷大。U.Mori对BPR函数在阻抗影响参数取值过高时精度不能保证和当饱和度本文档来自技高网...

【技术保护点】
1.一种基于PSO与神经网络串联优化的道路通行时间预测方法，其特征在于包含以下步骤：/n步骤一：道路阻抗函数为/n

【技术特征摘要】
1.一种基于PSO与神经网络串联优化的道路通行时间预测方法，其特征在于包含以下步骤：
步骤一：道路阻抗函数为



其中，Q总表示路段总交通量，Q大表示路段上大型车交通量，C中表示路段上中型车交通量，C表示路段上的通行能力；a1、a2、a3、β1、β2、β3为待定参数；
Q总与Q中、Q大的关系如下式所示
Q总＝Q小+ρ·Q中+μ·Q大
其中，Q小表示路段上标准小客车交通量；ρ表示中型车的折算为标准小汽车的系数，μ表示大型车的折算为标准小汽车的系数；
步骤二：基于PSO对道路阻抗函数参数进行标定；
步骤三：基于BP神经网络对道路阻抗函数进行修正；
步骤四：通过修正后的道路阻抗函数计算得到路段的通行时间。


2.按照权利要求1所述的基于PSO与神经网络串联优化的道路通行时间预测方法，其特征在于：所述步骤一中，ρ取值为1.5，μ取值为2。


3.按照权利要求1所述的基于PSO与神经网络串联优化的道路通行时间预测方法，其特征在于：所述步骤二具体为
2.1采集道路交通量与行驶时间信息；
2.2道路阻抗函数变型；
2.3基于PSO对阻抗函数参数进行标定。


4.按照权利要求3所述的基于PSO与神经网络串联优化的道路通行时间预测方法，其特征在于：所述2.1具体为
为了标定道路阻抗函数中各参数的取值，利用区间观测法在道路两交叉口之间分别安置一个摄像头，两交叉口之间无其它交叉路段，被调查道路车辆没有中途掉头的情况下，两台摄像机拍摄的车辆数是相同的，统计任意一个摄像机拍摄结果即可以得到各车型的交通量；
同时利用车牌辨识车辆，两个摄像机同时工作，在摄像机1出现的车辆，在摄像机2再次出现时，记录两个摄像机之间的时间差从而得到车辆的行驶时间。


5.按照权利要求4所述的基于PSO与神经网络串联优化的道路通行时间预测方法，其特征在于：所述2.2具体为
根据2.1得到N个样本，每个样本包含大型车交通量数、中型车交通量数、小型车交通量数、该种道路情况下的行驶时间；
通过求解下式的最小值来标定各参数的取值：



0<a1、a2、a3≤5
0<β1、β2、β3≤10
其中，j表示第j个实验样本，总共包含N个样本；Qj总表示第j个实验样本的总交通量；Qj中表示第j个实验样本的中型车的交通量数；Qj大表示第j个实验样本的大型车的交通量数；tj表示第j个实验样本的实际观测行程时间；表示第j个实验样本的预测行程时间；为第j个样本的相对误差，y为目标函数表示平均相对误差；为了更好的使用PSO算法进行搜索，对参数a1、a2、a3、β1、β2、β3分别使用经验值进行限定。


6.按照权利要求5所述的基于PSO与神经网络串联优化的道路通行时间预测方法，其特征在于：所述2.3具体为
2.3.1随机初始化粒子群
假设D维空间中有n个粒子，每一个粒子的位置为xi＝(xi1,xi2,xi3,…,xiD)，每一个粒子的速度为vi＝(vi1,vi2,vi3,…,viD)，其中i＝1,…,n；
阻抗函数中六个待定参数为a1、a2、a3、β1、β2、β3，根据未知数的个数确定维度D为6，粒子数n取40，已知a1、a2、a3的范围在0与5之间，β1、β2、β3的值的范围在0与10之间，即0≤xi1≤5、0≤xi2≤5、0≤xi3≤5、0≤xi4≤10、0≤xi5≤10、0≤xi6≤10、0≤viD≤1；初始化种群时分别产生40个六维向量作为各个...

【专利技术属性】
技术研发人员：张山华，陈昆山，陈媛媛，黄爱维，范凡，汤苏敏，罗佳丽，
申请(专利权)人：南通理工学院，
类型：发明
国别省市：江苏;32