执勤行车时间的KMP-RBF融合预测方法

摘要：

针对执勤车辆沿某一路径行驶时长难以预测的问题,文中提出一种KMP-RBF融合方法,采用GPS定位、悉尼自适应交通控制系统(SCATS)线圈作为融合信号源,建立路况信息选择融合模型,将模糊推理知识表达、MAPSO算法寻优和RBF网络训练相结合,自适应优化系统关键参数,从训练数据库匹配适用时间、空间数据.实验中,使用交通监控系统实测实验用车行驶时长数据,并与预测数据进行对比,从误差率、算法迭代与精确度方面证明文中方法是高效而可靠的.

关键词：信息融合、预测、模糊推理、多智能体粒子群优化算法、RBF神经网络、k-均值算法、执勤行车时间

所属期刊栏目：45

分类号：TP202(自动化技术及设备)

资助基金：国家自然科学基金资助项目61201179;国家博士后科学基金资助项目2016M601265 Supported by the National Natural Science Foundation of China61201179;the National Postdoctoral Foundation2016M601265

在线出版日期：2017-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：35-41,47