傳統(tǒng)的公交車時(shí)間預(yù)測(cè)由于多方面因素影響導(dǎo)致很難建立數(shù)學(xué)模型,預(yù)測(cè)結(jié)果精度不理想很難讓市民滿意,這將很難提高公共交通的服務(wù)水平和服務(wù)質(zhì)量。由于RBF神經(jīng)網(wǎng)絡(luò)能夠迅速地逼近實(shí)際值,為此文中提出一種基于RBF神經(jīng)網(wǎng)絡(luò)的公交車到站時(shí)間預(yù)測(cè),以公交車到站時(shí)間為輸入,以兩站相差的時(shí)間為輸出建立模型。通過(guò)仿真和分析,并且和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)結(jié)果對(duì)比,實(shí)驗(yàn)結(jié)果表明,RBF神經(jīng)網(wǎng)絡(luò)在公交車到站時(shí)間預(yù)測(cè)結(jié)果與實(shí)際值更為接近,并且優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。 

【文章來(lái)源】：現(xiàn)代電子技術(shù). 2020,43(14)北大核心

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

圖2顯示第3個(gè)樣本的數(shù)據(jù)相差比較大，圓圈線幾乎接近星線；而圖3中，三角線和星線的值差達(dá)到44.05，第2、5和8樣本三角線和星線值相差也很大。圖3 BP與真實(shí)值預(yù)測(cè)對(duì)比圖

圖2 RBF與真實(shí)值預(yù)測(cè)對(duì)比圖而從第1個(gè)樣本到第10個(gè)樣本，圓圈線幾乎重疊于星線，表明RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)曲線與實(shí)際到站時(shí)間曲線更為貼切，即比BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)到站時(shí)間更接近真實(shí)值，曲線上方顯示決定系數(shù)分別為0.967 61和0.873 8。結(jié)果也顯示前者的預(yù)測(cè)性能更好。

【參考文獻(xiàn)】：
期刊論文
[1]基于LSTM和Kalman濾波的公交車到站時(shí)間預(yù)測(cè)[J]. 范光鵬,孫仁誠(chéng),邵峰晶.  計(jì)算機(jī)應(yīng)用與軟件. 2018(04)
[2]基于MapReduce聚類和神經(jīng)網(wǎng)絡(luò)的公交車到站時(shí)間預(yù)測(cè)模型[J]. 謝芳,顧軍華,張素琪,張建.  計(jì)算機(jī)應(yīng)用. 2017(S1)
[3]基于GPS軌跡數(shù)據(jù)的公交到站時(shí)間預(yù)測(cè)方法研究[J]. 李少偉,曹成濤,楊驥.  軟件工程. 2017(04)
[4]基于公交車運(yùn)行軌跡的到站時(shí)間預(yù)測(cè)系統(tǒng)研究[J]. 段光中.  科技資訊. 2017(09)
[5]基于BP神經(jīng)網(wǎng)絡(luò)的公交車到站時(shí)間預(yù)測(cè)[J]. 謝煒.  中國(guó)石油大學(xué)勝利學(xué)院學(xué)報(bào). 2016(04)
[6]RBF神經(jīng)網(wǎng)絡(luò)在公交行程時(shí)間預(yù)測(cè)中的應(yīng)用[J]. 肖汶謙,陸百川,郭桂林,張海.  交通科技與經(jīng)濟(jì). 2015(02)
[7]公交到站時(shí)間預(yù)測(cè)研究現(xiàn)狀與發(fā)展趨勢(shì)[J]. 向紅艷,彭學(xué)文.  交通信息與安全. 2014(04)
[8]基于RBF神經(jīng)網(wǎng)絡(luò)的交通生成預(yù)測(cè)模型[J]. 鄧捷,陸百川,劉權(quán)富,張凱,馬慶祿.  武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版). 2014(01)
[9]基于RBF神經(jīng)網(wǎng)絡(luò)的某復(fù)雜裝備故障預(yù)測(cè)方法[J]. 黃波,丁浩,張孝芳,衡輝.  計(jì)算機(jī)仿真. 2014(01)
[10]公交到站時(shí)間實(shí)時(shí)預(yù)測(cè)信息發(fā)布技術(shù)研究[J]. 左忠義,汪磊.  交通運(yùn)輸系統(tǒng)工程與信息. 2013(01)



本文編號(hào)：3298211