基于IPSO-BP神经网络的短时交通流量预测
作者： 皖西学院电子与信息工程学院; 安徽六安237012
摘要：短时交通流量具有非线性、随机性等特点,如何准确地进行短时交通流量预测,是智能交通系统研究的一项关键内容。传统的预测模型不能实时反映短时交通流量变化特点,同时BP神经网络的交通流量预测存在收敛速度缓慢、易陷入局部极值、预测精度低等缺点。为了提高短时交通流量预测精度,提出了一种基于改进粒子群算法(IPSO)优化BP神经网络的复合预测模型,引入相对误差指标作为预测模型的评价指标,并利用实测的道路短时交通流数据对所构建的预测模型进行验证。结果表明,所提出的预测模型在短时间内寻出全局最优解,具有较好的预测精度,提高了短时交通流量预测的准确性和可靠性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社。
四川理工学院学报杂志
四川理工学院学报杂志， 双月刊，本刊重视学术导向，坚持科学性、学术性、先进性、创新性，刊载内容涉及的栏目：社会发展与社会保障特色栏目 、法学、教育发展与创新特色栏目 、经济与管理、编辑学与期刊学研究、信息与知识传播、中国特色社会主义理论与实践、中国盐文化研究特色栏目等。于1986年经新闻总署批准的正规刊物。
- 省级期刊
- 1-3个月审核
