基于BP神经网络和模糊推理系统的短时交通流预测

摘要：

本文研究短时交通流预测。短时交通流预测是智能交通系统研究和实践的必要基础。本文提出和建立了一个短时交通流量预测模型，该模型利用一个基于规则的模糊系统，非线性地组合BP 神经网络模型和自适应卡尔曼滤波模型的交通流量预测结果，使得短时交通流量的预测结果更加准确可靠。该模型将传统方法和人工智能方法有机结合，一方面，利用人工神经网络强大的动态非线性映射能力，从而提高预测精度；另一方面，充分发挥卡尔曼滤波的静态线性稳定性，解决了单独使用BP神经网络进行预测时识别率不理想和可信度不高的问题。实验结果表明，本文提出的短时交通流预测模型具有较高的准确度和可靠度。

关键词：短时交通流预测、BP神经网络、模糊推理系统、卡尔曼滤波

分类号：TP39(计算技术、计算机技术)

资助基金：国家自然科学基金61370214,60803148。

在线出版日期：2015-05-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：43-46,51