本文關(guān)鍵詞：自適應(yīng)粒子群神經(jīng)網(wǎng)絡(luò)交通流預(yù)測模型

  更多相關(guān)文章： 交通流 預(yù)測 粒子群優(yōu)化 神經(jīng)網(wǎng)絡(luò)

【摘要】：針對傳統(tǒng)神經(jīng)網(wǎng)絡(luò)預(yù)測模型預(yù)測結(jié)果準(zhǔn)確性低且存在大量無效迭代的問題,提出了自適應(yīng)權(quán)重粒子群神經(jīng)網(wǎng)絡(luò)交通流預(yù)測(PSOA-NN)模型。首先根據(jù)待預(yù)測點的上下游觀測點數(shù)和歷史數(shù)據(jù),隨機初始化若干組模型參數(shù)并計算每組參數(shù)對應(yīng)粒子的適應(yīng)度;然后采用改進的sigmoid函數(shù)替代原有模型中的固定慣性權(quán)重,并根據(jù)其中適應(yīng)度變好的粒子更新粒子速度和位置,一直迭代到粒子適應(yīng)度小于預(yù)設(shè)值為止;最后將滿足條件粒子對應(yīng)的模型參數(shù)應(yīng)用到神經(jīng)網(wǎng)絡(luò)模型,根據(jù)實時交通流數(shù)據(jù)預(yù)測出15min后的數(shù)據(jù)。仿真結(jié)果表明,使用PSOA-NN模型,可使得在同等預(yù)測誤差范圍內(nèi)收斂速度提升0.6~1.7倍。
【作者單位】： 南京大學(xué)電子科學(xué)與工程學(xué)院;
【關(guān)鍵詞】： 交通流 預(yù)測 粒子群優(yōu)化 神經(jīng)網(wǎng)絡(luò)
【基金】：國家自然科學(xué)基金資助項目(61105015) 國家科技重大專項課題資助項目(2012ZX03005-004-003)
【分類號】：U491.14;TP183
【正文快照】： 當(dāng)前,在智能交通系統(tǒng)(ITS)領(lǐng)域中,短時交通流預(yù)測已處于核心地位,它能夠提供實時有效的信息,有助于出行者進行路徑選擇,節(jié)約出行時間,也有助于交通管理者采取合適的交通誘導(dǎo)措施,提高路網(wǎng)的運行效率和安全性,變被動應(yīng)對為主動管理[1]。目前,常見的交通流預(yù)測模型有基于時間序

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 王進;史其信;;短時交通流預(yù)測模型綜述[J];中國公共安全(學(xué)術(shù)卷);2005年01期

2 楊春陽;;MATLAB數(shù)字化教學(xué)在現(xiàn)代物理教學(xué)中的應(yīng)用[J];才智;2013年12期

3 李松;劉力軍;解永樂;;遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的短時交通流混沌預(yù)測[J];控制與決策;2011年10期

4 許巖巖;翟希;孔慶杰;劉允才;;高速路交通流短時預(yù)測方法[J];交通運輸工程學(xué)報;2013年02期

5 賀國光,李宇,馬壽峰;基于數(shù)學(xué)模型的短時交通流預(yù)測方法探討[J];系統(tǒng)工程理論與實踐;2000年12期

6 林軍;倪宏;孫鵬;張輝;;一種采用神經(jīng)網(wǎng)絡(luò)PID控制的自適應(yīng)資源分配方法[J];西安交通大學(xué)學(xué)報;2013年04期

7 高瑞鵬;尚春陽;江航;;遺傳算法結(jié)合小波神經(jīng)網(wǎng)絡(luò)的列車車輪扁疤故障檢測方法[J];西安交通大學(xué)學(xué)報;2013年09期

8 趙建華;張陵;孫清;;利用粒子群算法的傳感器優(yōu)化布置及結(jié)構(gòu)損傷識別研究[J];西安交通大學(xué)學(xué)報;2015年01期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 姚智勝;邵春福;高永亮;;基于支持向量回歸機的交通狀態(tài)短時預(yù)測方法研究[J];北京交通大學(xué)學(xué)報;2006年03期

2 趙亞萍;張和生;周卓楠北京交通大學(xué)電氣工程學(xué)院;楊軍;潘成;賈利民;;基于最小二乘支持向量機的交通流量預(yù)測模型[J];北京交通大學(xué)學(xué)報;2011年02期

3 任其亮;;基于小波與混沌集成的短時交通流預(yù)測[J];重慶交通大學(xué)學(xué)報(自然科學(xué)版);2008年04期

4 竇慧麗;吳志周;;基于小波分析和非參數(shù)回歸的交通流組合預(yù)測方法[J];重慶交通大學(xué)學(xué)報(自然科學(xué)版);2011年04期

5 任雪蓮;陳曉芬;馬駿;;BP-GA算法在短時交通流預(yù)測中的應(yīng)用研究[J];道路交通與安全;2009年02期

6 胡曉健;王煒;陸建;;道路交通意外事件影響范圍確定方法[J];東南大學(xué)學(xué)報(自然科學(xué)版);2007年05期

7 丁蕾;徐永能;姜毅;;地鐵換乘客流實時監(jiān)測模型研究[J];都市快軌交通;2011年06期

8 唐闖;譚國真;;基于P/G結(jié)構(gòu)的移動定位導(dǎo)航系統(tǒng)[J];電子測量技術(shù);2007年07期

9 馬君;劉小冬;孟穎;;基于神經(jīng)網(wǎng)絡(luò)的城市交通流預(yù)測研究[J];電子學(xué)報;2009年05期

10 崔建明;葉懷珍;;交通流誘導(dǎo)系統(tǒng)實時方法研究[J];中國工程科學(xué);2008年10期

中國重要會議論文全文數(shù)據(jù)庫 前9條

1 董昕;;基于3G通信的智能交通指揮系統(tǒng)研究[A];四川省通信學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

2 谷遠(yuǎn)利;余惠華;;動態(tài)交通流量預(yù)測方法研究[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學(xué)術(shù)論壇（交通運輸工程學(xué)科）論文集（上冊）[C];2005年

3 董昕;;基于3G通信技術(shù)的智能交通指揮系統(tǒng)研究[A];四川省通信學(xué)會2009年學(xué)術(shù)年會論文集[C];2009年

4 李洪武;胡曉建;陸建;;交通緊急疏導(dǎo)配流方法研究[A];2007第三屆中國智能交通年會論文集[C];2007年

5 胡曉健;陸建;;基于二步自適應(yīng)的交通量實時預(yù)測模型[A];2007第三屆中國智能交通年會論文集[C];2007年

6 張利;李星毅;施化吉;;一種基于ARIMA模型的短時交通流量改進預(yù)測算法[A];2007第三屆中國智能交通年會論文集[C];2007年

7 田夫;李勇;孫占全;;短時交通流預(yù)測方法研究[A];2007第三屆中國智能交通年會論文集[C];2007年

8 侯曉宇;胡思宇;楊毅;;雙層K近鄰短時預(yù)測算法參數(shù)分析及驗證[A];2014第九屆中國智能交通年會優(yōu)秀論文集[C];2014年

9 Luoyanchun;;Application of the large optimal node-driven model in tourism management[A];2013年教育技術(shù)與管理科學(xué)國際會議論文集[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 董春嬌;多狀態(tài)下城市快速路網(wǎng)交通流短時預(yù)測理論與方法研究[D];北京交通大學(xué);2011年

2 于福華;特長高速公路隧道交通流研究[D];長安大學(xué);2011年

3 姚琛;基于信息提取計算的動態(tài)交通數(shù)據(jù)分析及應(yīng)用[D];西南交通大學(xué);2011年

4 何建偉;基于系統(tǒng)動力學(xué)的城市交通流網(wǎng)絡(luò)管控系統(tǒng)分析與建模[D];河北工業(yè)大學(xué);2009年

5 楊慶芳;先進的交通管理系統(tǒng)關(guān)鍵理論與方法研究[D];吉林大學(xué);2004年

6 朱文興;城市交通系統(tǒng)智能優(yōu)化控制研究[D];山東大學(xué);2006年

7 張楊;不確定環(huán)境下城市交通中車輛路徑選擇研究[D];西南交通大學(xué);2006年

8 劉彬生;基于小波和傅立葉變換的道路交通量預(yù)測研究[D];哈爾濱工業(yè)大學(xué);2006年

9 李巧茹;交通網(wǎng)絡(luò)動態(tài)配流及其相關(guān)問題研究[D];天津大學(xué);2006年

10 Q，

本文編號：624957