基于Elman神经网络的短时交通流预测模型
城市交通是一个复杂的大系统，在对城市交通进行实时自适应控制时往往需要预先知道各个路口的交通量，因此，交通流预测是实施实时自适应控制的重要环节。本文以城市道路网络中典型的干线多路口路段为研究对象，深入研究了交通流的特点，提出了一种Elman神经网络模型，因为该模型是一种动态回归神经网络模型，具有动态记忆能力，因而可在网络规模较小的情况下实现对交通流量的快速、准确预测。同时采用BP算法对模型进行权值修正。该方法提高了网络的训练速度和逼近精度。通过仿真算例，表明了该模型的有效性。
城市交通 短时交通流 预测模型 Elman神经网络
赵建玉 高慧 贾磊
济南大学控制科学与工程学院,济南 250022 山东大学控制科学与工程学院,济南 250061
国内会议
昆明
中文
499-502
2008-07-01（万方平台首次上网日期，不代表论文的发表时间）