数据挖掘在交通流预测模型中的研究与应用
通过对道路交通流变化规律和影响因素的分析，提出了一种新的交通流预测模型。首先，鉴于模糊聚类方法易陷入局部最优解及运算速度慢的缺点，采用蚁群算法中pij(t)改进模糊聚类分析；然后以最拥挤时间段的25个点交通流数据、天气数据以及天类别数据为指标，将历史数据聚分成若干簇团，并采用动量BP神经网络针对每一簇团建立相应的预测模型。对实际数据进行预测分析的结果表明，该模型不仅对普通工作日有较高的预测精度，对双休日、节假日和一些特殊情况(雨雪天气)也有较好的预测精度。
蚁群算法 模糊聚类 BP神经网络 交通流预测 数据挖掘
闫伟 刘云岗 王桂华
山东大学能源与动力工程学院 交通运输研究所，济南 250061
国内会议
青岛
中文
1-8
2008-09-01（万方平台首次上网日期，不代表论文的发表时间）