首页 | 本学科首页   官方微博 | 高级检索  
     

基于RBF神经网络的城市快速路短时交通流预测研究
引用本文:郑宣传,韩宝明,李得伟. 基于RBF神经网络的城市快速路短时交通流预测研究[J]. 山东科学, 2012, 25(3): 23-28. DOI: 10.3976/j.issn.1002-4026.2012.03.005
作者姓名:郑宣传  韩宝明  李得伟
作者单位:1.北京交通大学交通运输学院,北京 100044;;2.北京交通大学,轨道交通控制与安全国家重点实验室,北京 100044
基金项目:国家科技支撑计划项目,国家自然科学基金
摘    要:为检验灰色模型及径向神经网络模型用于短时交通流预测的可行性及适用性,本文分析和比较了灰色模型GM(1,1)和RBF径向神经网络模型对短时交通流的预测效果。仿真实例表明,灰色模型不适合用于短时交通流预测,而径向神经网络能够准确预测短期交通流的未来变化趋势,当径向基函数的分布密度值在0.8~1.0之间时能够取得较高的预测精度。

关 键 词:交通流  预测  灰色模型  RBF神经网络  
收稿时间:2012-03-27

RBF neural network based urban expressway short-term traffic flow prediction
ZHENG Xuan-chuan,HAN Bao-ming,LI De-wei. RBF neural network based urban expressway short-term traffic flow prediction[J]. Shandong Science, 2012, 25(3): 23-28. DOI: 10.3976/j.issn.1002-4026.2012.03.005
Authors:ZHENG Xuan-chuan  HAN Bao-ming  LI De-wei
Affiliation:1.School of Traffic and Transportation, Beijing Jiaotong University, Beijing 100044, China;2.State Key Laboratory of Rail Traffic Control and Safety, Beijing Jiaotong University, Beijing 100044, China
Abstract:We analyzed and compared the effects of gray model GM (1 ,1) and RBF neural network model on short-term traffic flow prediction to test their feasibility and applicability. Practical instances show that gray model is inapplicable to the short-term prediction of traffic flow, but RBF neural network model is applicable. Moreover, we can acquire higher prediction accuracy when the distribution density of the radial basis function is from 0.8 to 1. 0.
Keywords:traffic flow  prediction  gray model  RBF neural network
本文献已被 CNKI 维普 万方数据 等数据库收录!
点击此处可从《山东科学》浏览原始摘要信息
点击此处可从《山东科学》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号