基于ANFIS混合模型的短时交通流预测

摘要：

城市短时交通流预测可以帮助人们选择出行最优路线,提高出行效率,其研究在交通拥堵日益严重的今天十分必要.受天气等多种因素影响,短时交通流的精确预测比较困难,为改善短时交通流预测的精度,本文提出了一种基于自适应模糊推理系统(ANFIS)的混合模型.该混合模型用周期性知识模型及残差数据驱动ANFIS模型集成得到.为验证所提出的混合模型的性能,与倒向传播神经网络(BPNN)模型和普通ANFIS模型进行对比.实验结果证明混合模型在交通流预测方面有更好的适用性和准确度.

关键词：交通流预测、周期性提取、自适应模糊推理系统(ANFIS)、反向传播算法、最小二乘法

所属期刊栏目：28

在线出版日期：2019-06-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：247-253