神经网络类有关毕业论文开题报告范文,与基于BP神经网络的高速公路事件自动检测算法相关专科毕业论文开题报告

这篇神经网络论文范文属于论文前言免费优秀学术论文范文,神经网络类有关专科毕业论文开题报告,与基于BP神经网络的高速公路事件自动检测算法相关学术论文前言。适合神经网络及事件及电子技术方面的的大学硕士和本科毕业论文以及神经网络相关开题报告范文和职称论文写作参考文献资料下载。

摘 要 ：提出一种基于BP神经网络的高速公路交通事件自动检测方法.除典型的流量、占有率以外,新加入上下游车道中大型车比例作为BP神经网络的输入参数.创建6-13-1结构的神经网络,利用陕西省西安市绕城高速的交通数据对网络进行训练和测试.Matlab仿真与测试结果表明该算法具有检测率高、误报率低的优点.

关 键 词 ：交通事件自动检测 BP神经网络 Matlab仿真

1.前言

随着高速公路车流量的越来越大,交通事件频繁发生,给高速公路管理者带来了诸多困扰,而且给国家和社会也带来了不必要的损失[1].

本文在国内外学者研究的基础上提出了基于BP神经网络的高速公路交通事件自动检测算法.将上下游车道占有率、流量、大型车所占比例作为BP神经网络的输入,建立了神经网络模型.本算法可为高速公路事件检测系统的建立提供理论基础,对提高高速公路利用率和安全性有重要意义.

2.交通事件自动检测原理分析

正常情况下,高速公路上的交通流符合“连续车流”的规律[2].当T时刻发生交通事件后,由于道路通行能力的突然下降导致事发点上游出现交通拥挤,流量和车速下降,占有率上升；T+1时刻下游车道流量下降,车速上升,占有率下降；同时研究发现由于不同类型的车辆换车道行驶需要的时间和道路空间不同,上、下游车道中车型比例也有所变化.因此,交通事件自动检测的原理是通过分析高速公路上不同位置、不同时刻的交通参数变化来识别事件和非事件模式.

3.交通事件检测的模型构建

本研究采用三层神经网络结构,模型结构图如图1所示.

输入层：输入层有6个神经元节点代表交通流变化的交通参数.包括T时刻上游和T+1时刻下游的占有率、流量及大型车所占比例.

隐含层：对于隐含层神经元节点数目nh的确定,有下列经验公式[3]：

其中ni为输入层节点数,no为输出层节点数,本研究中ni等于6,no等于1,所以隐含层神经元节点数nh 等于13.

输出层：选择一个输出神经元节点作为输出,按照有无事件发生,以输出节点为1表示有事件发生,输出节点为0表示无事件发生.

4.事件检测算法的Matlab实现与评估

4.1.数据预处理

本次研究采用陕西西安绕城高速上车检器采集的1000组交通数据.其中500组用来训练网络,包括输入数据（交通参数）和目标数据（事件状态）.另外500组作为神经网络测试数据.在训练BP神经网络之前先利用premnmx函数对数据进行归一化处理,即 [pn,minp,maxp,tn,mint,maxt]等于premnmx（p,t）.

4.2神经网络创建和初始化

利用newff函数创建一个新的神经网络：

等于newff（minmax（pn）,[13,1],{'tansig','purelin'},'traingdx', 'learngdm'）；

利用minmax函数设定输入向量pn的元素的取值范围；在训练BP网络之前,必须对网络的连接权值和阈值进行初始化.

4.3.BP神经网络训练

将神经网络的参数设置为每50次显示训练迭代过程；学习速率为0.05；动量因子为0.9；

网络训练次数为1500；训练目标精度为1e-002；网络最大失败次数为5次.

调用train函数利用traingdx算法训练BP网络：等于train（,pn,tn）； BP网络训练效果如图2所示,由图可见,经过852次训练,经过交通数据训练的网络能快速收敛,效果良好.

4.4.BP神经网络仿真与测试

神经网络本科论文初稿怎么写
播放:37519次 评论:3347人

训练结束后,用剩下的500组数据作为测试样本对网络进行测试,用tramnmx 函