基于Elman神经网络的道路网短时交通流预测方法

摘要：

以道路子网为研究对象,采用Elman神经网络实现道路网多断面交通流短时预测.首先通过提取交通流空间特性对道路网进行划分,降低道路网整体分析复杂度及解空间维数,提高交通流预测的计算精度和效率;其次以实时采集的交通流数据为基础,并以重构的交通流时间序列作为输入,采用Elman神经网络实现道路网多断面交通流同时预测;最后,基于城市快速路多断面交通流量数据对短时交通流预测方法进行验证,并与BP神经网络预测结果进行对比分析.验证结果表明,本文提出的道路网划分方法能够划分出满足预测需求的子路网,在划分的子路网上,应用Elman神经网络能够实现道路网多断面同时预测,且预测效果优于BP神经网络.

关键词：城市交通、交通流短时预测、道路网划分、广义空间距离、Elman神经网络、BP神经网络

所属期刊栏目：10

分类号：U491(交通工程与公路运输技术管理)

资助基金：国家自然科学基金项目50578015;"973"国家重点基础研究发展规划项目2006CB705505

在线出版日期：2010-05-24（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：145-151