文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 交通运输 > 一种基于动态递归神经网络的交通流量实时预测方法
侵权投诉

一种基于动态递归神经网络的交通流量实时预测方法

 

第12卷第4期淮 海 工 学 院 学 报

Vol.12 No.4

 

  文章编号:1008-3499(2003)04-0014-04

一种基于动态递归神经网络的交通流量实时预测方法

徐启华,丁兆奎,毕训银

(淮海工学院电子工程系,江苏连云港 222005)

摘 要:智能交通系统是目前世界上公认的解决城市交通拥堵问题的最佳措施,实时、准确的交通流

量预测是智能交通系统实现的关键技术之一。提出了一种基于改进型Elman神经网络的交通流量实时预测方法,由于预测模型中采用的递归神经网络具有动态记忆能力,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,并用实例验证了所提出的交通流量预测方法的有效性。关键词:交通流量;实时预测模型;动态递归神经网络;遗传算法中图分类号:U491;TP183   文献标识码:A

TrafficFlowReal-timePredictionUsingaDynamicRecurrent

NeuralNetworkModel

XUQi-hua,DINGZhao-kui,BIXun-yin

(Dept.ofElectronicEngineering,HuaihaiInstituteofTechnology,Lianyungang222005,China)

Abstract:Intelligenttransportationsystem(ITS)isrecognizedasoneofthebestwaystosolvetheproblemoftrafficjamandtrafficsafetyincities.Accuratereal-timepredictionoftrafficflowisthe

keytechnologyinITS.AtrafficflowpredictionmodelusingmodifiedElmanneuralnetwork(NN)isputforwardinthispaper.Becauseofitsdynamicmemory,theproposedrecurrentNNmodelcanpredicttrafficflowfastandcorrectlyintheconditionofsmallernetworksizeorfewerneurons.Thepresentedpredictionapproachisprovedtobeusefulandeffectivewithsimulationresults.

Keywords:trafficflow;real-timepredictionmodel;dynamicrecurrentneuralnetwork;geneticalgorithm

0 引言

发展智能交通系统(ITS)是目前世界上公认的解决日益严重的城市交通拥堵问题的最佳措施。ITS的实现,在很大程度上取决于能够有效地对交通流量进行实时、准确的预测,交通流量预测结果的好坏将直接影响交通控制与交通流诱导的效果[1~3]。

交通流具有高度的复杂性、非线性和不确定性,国内外不少学者利用人工神经网络(ANN)来建立

收稿日期:2003-02-26;修订日期:2003-10-23

交通流量预测模型,取得了较好的效果。在利用ANN预测交通流量时,建立的预测模型大多是时间序列预测模型,即根据当前时刻和若干历史时刻的交通流数据来预测下一时刻的交通流量

[2~4]

。对

于这种典型的时间序列的建模和预测问题,采用动态神经网络应该比目前广泛采用的BP等静态神经网络更具潜力[5]。

本文采用一种改进的Elman网络来建立城市道路交叉口交通流量的预测模型。Elman网是一种典型的动态递归神经网络,其反馈连接由一组“结

(

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email