1、交通堵塞現(xiàn)象越來越嚴重并正由一線城市迅速向二、三線城市蔓延,成為了全社會關(guān)注和討論的重點。雖然城市路網(wǎng)交通擁擠現(xiàn)象嚴重,但并不是所有城市路網(wǎng)都同時處于擁擠狀態(tài),仍然有相當(dāng)部分道路是暢通的,如果能通過動態(tài)誘導(dǎo)將車流量合理分配到各個路網(wǎng)中,交通擁堵將得到很大改善。本文運用固定式與移動式采集技術(shù)、融合技術(shù)、卡爾曼濾波理論、遺傳算法、支持向量機(SVM)算法、群決策理論、蟻群算法、單隱層小波神經(jīng)網(wǎng)絡(luò)等方法進行動態(tài)出行路徑誘導(dǎo)模型研究。
　

2、　1.分析了動態(tài)誘導(dǎo)國內(nèi)外研究情況,并以交通流數(shù)據(jù)作為貫穿本文研究模型的主線,以交通流的數(shù)據(jù)信息獲取、預(yù)測、以及動態(tài)誘導(dǎo)順序作為研究思路。
　　2.對動態(tài)交通流采集設(shè)備——固定式檢測器和移動式檢測器進行分析,總結(jié)了各種檢測器優(yōu)缺點,為了提高路段檢測完備性和準(zhǔn)確性,采用融合技術(shù)進行兩者數(shù)據(jù)的融合。
　　3.分析了遺傳算法所具有復(fù)制選擇、交叉、變異操作,以及支持向量機算法在解決非線性問題方面的突出特點,提出了基于遺傳算法和支持向

3、量機模型的實時交通流預(yù)測模型;與此同時,在分析了小波神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上,為了獲得更快的收斂速度和更高的學(xué)習(xí)精度,將蟻群算法、小波變換和神經(jīng)網(wǎng)絡(luò)思想結(jié)合起來,利用蟻群算法來訓(xùn)練小波神經(jīng)網(wǎng)絡(luò)中的參數(shù),最后建立了基于蟻群算法優(yōu)化單隱層小波神經(jīng)網(wǎng)絡(luò)參數(shù)預(yù)測實時交通流模型。
　　4.分析了蟻群算法和群決策理論,利用實時交通信息和群決策理論研究基于群決策的動態(tài)路徑優(yōu)化技術(shù),同時兼顧蟻群算法在路徑尋優(yōu)方面所存在的特有優(yōu)勢,在二者的基礎(chǔ)上建立了