基于前向型神经网络的短时交通流预测研究

摘要：

本文分别介绍了基于BP神经网络和基于RBF神经网络的短时交通流量预测模型,研究两种网络模型的预测性能,确定了关键参数的最优值。最后应用两种模型对济南经十路实测交通流数据进行了预测分析,仿真结果表明,两种模型都可以满足实际交通流诱导的需要,RBF模型在预则精度、学习速度及学习稳定性等方面优于BP模型。

关键词： 智能交通 交通流预测 神经网络

作者: 高慧 赵建玉 贾磊

作者单位: 济南大学控制科学与工程学院,山东济南 250022 山东大学控制科学与工程学院,山东济南 250061

会议类型: 国内会议

会议名称: 全国第18届计算机技术与应用学术会议(CACIS)

会议地点: 浙江宁波

会议语种:中文

页码: 274-279

在线出版日期: 2007-08-25（万方平台首次上网日期，不代表论文的发表时间）