基于天牛须小波神经网络的公交到站时间预测

摘要：

通过对公交运行环境的实际分析,考虑工作日和非工作日的运行特性差异,提出了一种基于天牛须搜索算法的小波神经网络(BAS-WNN)公交到站时间预测模型.该模型利用寻优性能更强的天牛须搜索算法优化WNN的初始参数,使得WNN对时间序列的预测具有更好的性能.最后,利用行车历史数据对神经网络进行训练和建模来实现到站时间的准确预测,将该优化算法与传统的WNN算法和Elman神经网络算法用MATLAB分别仿真测试,对比结果显示,无论工作日还是非工作日,BAS-WNN预测模型对公交到站时间的预测均具有更高的准确性且结果更加稳定.

关键词：智能交通、公交到站时间预测、小波神经网络、天牛须搜索算法、公共交通

所属期刊栏目：52

分类号：U491(交通工程与公路运输技术管理)

资助基金：国家自然科学基金;国家自然科学基金;江西省教育厅科技项目

在线出版日期：2022-03-02（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：110-117