188宝金博页面版

第38卷第4期2009年8月文章编号：1001—1595( 2009) 04．0363—06测绘学报Act a G eodaet I Ca etCartographi caSInl oa多子群遗传神经网络模型用于路口短时交通流量预测V01．38。N o．4Aug．，2009刘汉丽1，周成虎1，朱阿兴1’ 2，李1．中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室，北京100101；2．威斯康星大学麦迪逊分霖3校地理系，威斯康星麦迪逊w I53706；3．武汉大学资源与环境科学学院，湖北武汉430079M U Iti ．PopuIati onG eneti C N euraI N etw ork M odelfor Short．termTraffi c Fl ow Predi cti onat Intersecti onsLIUH anl i l ，ZH O UChenghul ，ZH U Axi n91” ，LILi n31．StateKey Laborat oryofResourcesand Envl ronm entInf orm al Ion System ．Insti tute ofG eog raphi c Sci encesand N aturaIRe．sources Resea rch，Chi neseAcadem yofSci ences，Bei l i ng 10010i ．Chi na；2．D epartm entof G eog raphy，U ni versi tyof W i soons rn—M adi son，M adi son W l 53706，U SA；3．SchooIO f Resources and Envt ronm entalScl ence，W uhanU ni versIty，W uhan430079，Chi naAbstract：As the basi s and akeyi ssue ofi ntel l i genttransportati on syst em ( I TS) ，researches on approaches fort raffi c fl owpredi cti on a re si gni fi cant．To adaptto the reaI—ti m e charac“ }ri sl Ics and nonIi nea r l eatu re ofshort—l ermtraffi c fl owpredi cti on ati nterseoti ons，thi spaper presentsaM uIti - Popul abonG eneti c N euraI N et w ork( M PG N N )m odelfor traffi c fl owpredi cti on．M PG N Nm odel com bi nes the abi Ii tyof BP neuraI netw ork forsol vi ng nonl i nea r prob—l emand theabi l i ty of geneti c al gori thm ( G A) f or gl obaI opti m i zati on．Andi n thi s m odel ，m uIt, pl e popul ati onsof G Aare bui It{o search anopti m i zedstructure of BP netw ork．A casestudy usi ngthi s m odeli s conducted at the i ntersec—ti on of LuoyuRoad·W ul uo Road·South LuoshiRoad and N orth LuoshIRoad．Thi s study show s thatthepredi ctedshort—l ermtraffi c fl owi s accu rate and Ihe M PG N Nm odeIi s ef f ecti ve．Based on thepredi ctedresul ts to controI andreassi gn the traffi c fl ow on these roads，thet raffi c pressure ofthese roads i n rush hours can begreatl Yal l evi ated．Key w ords：short—term traffi c fl ow ati ntersecti ons；t raffi c fl owpredi cti on；BPneuraI netw ork；geneti caIgori thm ；m uIti —popuIati on摘于交叉路口短时交通流量的预测，结合BP网络对非线性问题良好的求解能力和遗传算法优良的全局手优能力，建立遗要：为适应交叉路口短时交通流量的实时变化性和非线性性，提出将一种多子群遗传神经网络算法( M PG N N ) 应用传算法的多个子种群来搜索BP网络的最佳结构。通过对武汉市珞瑜路、武珞路、珞狮南路、珞狮北路交叉路口的短时交通流量进行预测分析，取得了良好的实验效果。根据预测结果对该路段的交通流量进行重新分配和控制，对缓解珞瑜路和武珞路段高峰时期交通流量的压力具有重要作用。关键词：交叉路口短时交通流量；流量预测；BP神经网络；遗传算法；多子群中图分类号：P208文献标识码：A基金项目：973国家重点基础研究发展计划( 2006CB701305) ；资源与环境信息系统国家重点实验室自主创新团队计划( 088RA400SA) ；973国家重点基础研究发展计划( 2007CB407207) ；中国科学院“ 百人计划”经济的发展，交通业的繁荣，对道路建设和交通流量的控制提出了更高要求。在现有交通设施基础上，对交通流量做出科学合理的预测和控制，对于改善道路交通状况具有重要意义【1] 。交通流量预测按预测时间长短分为长期流量预测( 又称战略流量预测) 和短时交通流量预测( 一般是预测未来3～15 rai n的交通流量) ，按预测对象分为交叉路口流量预测和高速公路流量预测【2] 。交叉路口是交通网络的瓶颈，其交通通行量的大小直接决定了网络的通行能力[ 3J ，而交叉路口短时交通流量的预测是城市道路智能化管理的一个重要环节，具有非常重要的现实意义。路口某方向上交通流量不仅与自身过去流量有关，而且与其他方向过去流量以及交通信号灯的配时方案有关，同时交通流量还会受到一些随机干扰因素的影响【4J 。以上原因导致了路口交通流量的变化具有高度非线性和不确定性，尤其短时流量受随机干扰因素影响较大，因此，很多预测方法都是围绕如何克服其非线性和随机干扰进行。交通流量变化的特征，很难用某种数学模型对其变化规律进行模拟，早期基于时间序列的数学模型已不能适应快速、准确流量预测的需要。万方数据