基于遗传算法求解转移流量的多目标规划方法

以十字交叉口为例,在分析交叉口进、出口流量与转移流量之间关系的基础上,以进口交通流量观测值与来自各个出口并进入该进口的估计转移流量之差的绝对值和出口交通流量观测值与该出口到达各个进口的估计转移流量之差的绝对值之和最小为目标函数,转移流量的实际取值范围作为约束条件,建立了求解转移流量的多目标规划模型.利用遗传算法并行运算的特性,提出了基于遗传算法求解转移流量的多目标规划方法.最后通过一个算例给出了应用该方法求解转移流量的多目标规划模型的求解效果.     

基于云遗传算法优选的SVR交通量预测模型

针对城市主干道交通流量的实时变化和波动性特点,利用支持向量回归机(support vector regression,SVR)进行城市主干道短时交通流量预测.为了优选SVR模型参数,基于混沌logistic 映射和云自适应机制对标准遗传算法进行改进,建立了基于混沌云自适应遗传算法(chaos clouds adaptive genetic algorithm,CCLGA)进行SVR参数优选的CCLGA-SVR城市主干道短时交通流量预测模型.综合考虑了短时交通量各个影响因素,结合实测数据进行了实证预测分析,仿真结果表明文中提出的预测模型精度较高,寻优速度较快,可有效应用于城市主干道短时交通流量预测.     

基于遗传算法求解转移流量的多目标规划方法

以十字交叉口为例,在分析交叉口进、出口流量与转移流量之间关系的基础上,以进口交通流量观测值与来自各个出口并进入该进口的估计转移流量之差的绝对值和出口交通流量观测值与该出口到达各个进口的估计转移流量之差的绝对值之和最小为目标函数,转移流量的实际取值范围作为约束条件,建立了求解转移流量的多目标规划模型.利用遗传算法并行运算的特性,提出了基于遗传算法求解转移流量的多目标规划方法.最后通过一个算例给出了应用该方法求解转移流量的多目标规划模型的求解效果.     

基于遗传算法的车道配置优化方法

对收费车道配置进行研究是收费系统规划建设中一项重要内容，研究的目的是使得收费资源合理利用。根据车辆到达流的随机特点，运用排队论方法建立起以收费系统费用损失最小为目标的优化模型，然后利用遗传算法求得在不同ETC技术使用率情况下的最佳车道配置。所得结果对实际操作有一定的指导意义。     

基于混沌高效遗传算法优化SVM的交通量预测

针对交通量预测本身所存在的小样本、非线性和复杂性等特点,利用支持向量机建立了基于RBF核函数的SVM交通量预测模型,采用基于混沌映射和加速遗传算法的混沌高效遗传算法对SVM模型参数C,ε和δ2进行优选,结合某市1978～2008年交通量实测资料进行了仿真验证,与GA-SVM模型和BP神经网络模型的仿真预测结果对比表明:该模型取得了较好的预测效果,可有效应用于城市交通量的预测.     

基于遗传算法的硕士生招生数Logistic预测模型

以区域范围内２０年研究生招生数的统计为对象,考虑到总体增长趋势和震荡规律,采用了Ｌｏｇｉｓｔｉｃ预测模型,并用遗传算法求得其待定系数,由此求得的模拟值与实际招生数拟合最好。在此基础上,提出了对湖北地区研究生教育的建议。     

基于改进加权一阶局域法的空中交通流量预测模型

空中交通流量精准预测是实施空中交通控制和管理的重要前提.针对空中交通流量时间序列的内在混沌动力特性,研究了基于改进加权一阶局域法的混沌交通流量时间序列预测模型.首先,提出了一种临近相点演化加权的改进一阶局域预测法,并通过在预测过程中构建误差序列进行预测结果修正;其次,利用关联维数出现饱和现象验证了4组不同统计时间间隔的实测空中交通流量时间序列均存在混沌特性;最后,在对空中交通流量时间序列进行相空间重构的基础上,利用改进加权一阶局域预测方法进行了流量预测结果的对比实验.结果表明,4组空中交通流量时间序列预测精度均有提高,时间尺度为10 min的流量预测效果最好,预测相对误差减小了29.7%.      

基于遗传算法的推进电机的预测模型

本文选择BP神经网络算法作为预测模型的算法,建立了基于遗传算法的推进电机预测模型,并运用推进变压器的实际运行参数,对预测模型进行仿真,为推进电机的状态评估打下了良好的基础。     

基于遗传算法的交通流量组合预测

针对当前道路交通流量预测的多种不同特性的方法,提出了一种组合预测方法。利用遗传算法群体搜索的特点,组合各种算法,优化预测思路,充分发掘不同算法的差异优势,实践证明该思路是切实有效的。     

基于遗传算法的神经网络在道路收费中的应用

道路拥挤收费被认为是城市交通管理和控制的一个有效方法,国内外不少学者提出了模型和相应的计算方法。文章根据弹性需求下的拥挤收费模型,利用BP神经网络算法模拟路段流量和路段收费之间的对应关系,并在神经网络的训练过程中引入遗传算法,加速神经网络的全局收敛。通过训练后的神经网络制定收费,可以使得各路段流量基本达到最优路段流量的要求,并通过实例证明了该算法的有效性。     

�����Ŵ��㷨�����ܽ�ͨ����Ԥ�ⷽ��

把遗传算法应用到智能经济预测的模型选择问题中.首先，通过对已有的模型库中的模型进行编码得到遗传操作的种群，然后通过变异、交叉操作产生新的模型或者模型的组合，接着运用生成的模型进行自适应调节、学习从而得到模型的评价，用该评价作为个体的适应度进行选择操作.得到了较好的预测模型进行数据的预测.最后，文章结合我国客运量预测的实例进行了分析.     

遗传算法优化的RBF神经网络模型在公路隧道群交通事故微观预测中的应用

本文根据构建的遗传算法优化的RBF神经网络模型,提出了公路隧道群交通事故微观预测方法,对以任意断面为中心的单元长度内的交通事故率进行合理预测,为公路隧道群事故多发点的鉴别及预防管理措施的制定提供理论支撑。最后,以西汉高速公路隧道群区段为例,以调研所得的交通事故微观预测模型参数基础资料,运用本文构建的预测模型进行工程实践应用分析,同时与传统的RBF神经网络预测结果进行对比,分析说明遗传算法优化的RBF神经网络预测模型的科学性及可行性效果良好。     

基于遗传算法(GA)优化BP神经网络的船舶交通流量预测

为了提高船舶交通流量的预测精度,在BP神经网络的基础上,结合遗传算法(GA)建立一个新的预测模型.该模型利用GA自适应搜索能力和较快的收敛速度,进而确定BP神经网络中的最优权值和阈值.以青岛港2011—2019年船舶交通流量统计数据为例,进行仿真实例验证.结果表明,与传统的BP神经网络相比,该模型能显著地提高船舶交通流量的预测精度,用于预测船舶交通流量具有一定可行性.     

��������Ԥ��ĸ��ٹ�·�շ�Ա��̬����ģ��

基于神经网络对不完全信息具有良好的适应性和遗传算法具有较强的全局搜索能力的优良特性,将遗传算法和神经网络有机结合起来对高速公路短期流量进行预测,采用精英选择、按比例适应度分配和基于排序的适应度分配相结合的选择方法,以及自适应的交叉、变异概率改进遗传算法,通过使用自适应学习速率来改进BP算法,并提出使用新的结合方式获取新一代种群,提高获取全局最优解的搜索速度,构建符合高速公路短期流量特点的预测模型。同时,采用排队论模拟高速公路收费过程,构建高速公路收费站的排队模型,结合短期流量预测模型及收费站排队模型,根据车道与收费员的配备,预测短期各时段的收费员需求,从而实现收费员的动态最优配置。最后结合实例,证明了模型的有效性。     

基于组合预测模型的轮轨力连续测试

为了精确判断车辆的运行状态,提出了一种轮轨力连续测试方法.根据轮轨相互作用的特点,采用阈值判断法从测试数据中提取轮轨力的有效信息.针对轮轨力测试系统的时变性和不确定性,将动态测试序列作为灰色过程处理,提出用灰色理论对轮轨力进行连续测试.为了提高预测精度,结合遗传算法和神经网络对传统的GM(1,1)模型进行改进.建立了10个预测模型分别进行预测,然后将精度较高的预测值输入串联灰色神经网络进行二次预测,以提高预测精度与稳定性.将这10个预测模型应用到轮轨力连续测试中,结果表明:灰色系统、遗传算法与神经网络三者的组合模型具有较高的精度,平均相对误差不超过2%,满足轮轨力连续测试的要求,并且能够降低传感器失效对测试结果的影响.     

基于遗传算法的交通信号多层模糊控制模型研究

针对城市交通信号控制问题,提出了一种基于交通需求强度的单路口多层模栅控制模型,第一层用来判断路口的交通需求强度;第二层为相位优化层,主要完成相位优化功能;第三层为绿灯时间优化层,用来确定各个相位的有效绿灯时间,针对模糊控制模型中隶属度函数优化的问题提出了利用遗传算法进行模糊控制模型中隶属度函数的优化模型,确定了遗传算法各类参数的计算方法,通过与普通多层模糊控制模型仿真的比较,结果表明本文提出的基于遗传算法的多层模糊控制模型具有较好的控制效果.     

���л�·��ͨ��ʵʱ����Ԥ��ʵ��ģ��

基于BP神经网络和RBF神经网络构建了城市环路交通流动态实时预测模型，并对北京市三环路的实测交通流数据进行了预测分析。实证结果表明，该模型具有较高的精确度，算法的动态实时性也满足实际预测系统的要求，具有较好的实用性。     

基于极大似然估计的路段交通流量预测

基于对交通流量预测存在的问题的分析，用极大似然估计法对路段交通流量进行预测．这种方法的实质，是将连续的观测时段的上游观测量作为自变量，用极大似然估计法估计出观测量与下游预测量之间的关系，从而预测交通流量．实例结果表明，预测值与实际值的最大误差率为5.76％。