交通拥堵汽车流量准确预测仿真研究

摘要：

交通拥堵汽车流量的准确预测,能够有效改善现有的道路网络的通行能力.对车流量的预测,需要利用模糊推理系统将交通流分为不同的模糊集,给出模糊隶属度函数,完成交通拥堵汽车流量的预测.传统方法先选出相关性较高的道路断面,得到路网空间关系归一化约束矩阵,但忽略了给出交通隶属度函数,导致预测精度偏低.提出基于模糊神经网络的拥堵汽车流量预测方法.将神经网络和自适应卡尔曼滤波模型相结合,组建拥堵汽车流量预测模型,将任意时刻的交通流预测期望值作为模型的输入,将实际预测误差作为模型的输出,利用模糊推理系统将交通流分为不同的模糊集,给出模糊隶属度函数,将小波函数作为模糊推理系统的输入,利用神经网络实现模糊推理,借鉴遗传理论优化模糊神经网络,完成对拥堵汽车流量的预测.实验结果表明,所提方法预测精度较高,具有较高的预测准确性.

关键词：模糊神经网络、短项交通流量、交通流量预测

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

资助基金：江西省科技计划指导性项目2015ZBAB201007;江西科技师范大学校级科研重点项目2016XJZD006;江西省高校人文社会科学研究项目TQ1505

在线出版日期：2017-11-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：123-126