目录
摘 要 I
ABSTRACT II
第一章 文献综述 1
1 研究背景 1
1.1 城市停车问题 1
1.2 停车问题解决方法 1
2 国内外研究现状 2
2.1 国内研究现状 2
2.2 国外研究现状 3
3 研究目的与意义 4
4 研究内容 4
第二章 关键技术 5
1 科学预测 5
2 时间序列预测法 5
2.1 时间序列概念 5
2.2 时间序列预测方法 5
3 人工神经网络 6
3.1 人工神经网络特点 6
3.2 BP神经网络概述与其原理 7
3.3 BP神经网络的优缺点与改进的方法 8
4 遗传算法 9
4.1 遗传算法的优点 9
4.2 遗传算法流程 9
第三章 短时停车位预测模型研究 11
1 有效停车位的影响因素 11
2 样本数据的收集 11
3 BP神经网络预测模型 13
3.1 BP算法的具体传播原理 13
3.2 BP神经网络的参数选择 14
3.3 BP神经网络预测模型实验 16
4 实验结果分析 19
第四章 基于遗传算法优化的BP神经网络的有效停车位预测 20
1 遗传算法优化的BP神经网络预测 20
2 GABP神经网络参数选择 20
3 GABP流程 23
4 GABP网络模型仿真实验预测 25
5 实验结果对比分析 26
第五章 结论和展望 29
1 课题总结 29
2 不足与展望 29
参考文献 30
附 录 32
相关主程序代码 32
致 谢 35
基于GABP神经网络的短时停车位需求预测研究
摘 要
近些年来，城市中汽车数量快速增长，这使得城市交通 *51今日免费论文网|www.51jrft.com +Q: ^351916072* 
负荷迅猛提升，与此同时也带来了停车需求迅猛增长的问题，并使很多大城市停车问题显得愈发地突出。引发该问题的一部分原因是车辆驾驶者在寻找停车位上耗费了大量时间，在没有明确的目标时做出了长时的无效巡游。城市停车诱导系统可以指导驾驶者驶向明确目标，有效减少无效巡游时间，减小交通负荷。有效的短时停车位预测是停车诱导系统的重要功能，本文针对停车诱导系统的停车位预测功能对停车位的预测模型进行了研究，分析了基于BP神经网络的短时停车位需求预测模型。针对BP神经网络的一些缺陷包括其陷进局部极小、网络结构不稳定、收敛速度较小等，本文利用遗传算法对其进行优化，对BP神经网络的权重值以及偏差值初始随机化的特性进行改进，吸取了遗传算法全局搜索最优的优点，将遗传算法运用联结到BP神经网络，在Matlab中建立优化的BP神经网络停车位预测模型，经过南京某停车场的数据实例测试，证实改进了对于BP预测模型的性能，增强了网络的收敛性和对于预测结果的精准度。

原文链接：http://www.jxszl.com/jtgc/jjtys/610111.html