基于云-自组织神经网络的交通流预测模型

摘要：

现代交通系统结构复杂，涉及的数据类型和数量众多，模糊性、随机性和不确定性等因素的存在增加了数据分析过程中定性与定量综合集成的难度。本文对城市交通流预测进行了研究，根据云模型和自组织神经网络的特点，构建了云-自组织神经网络交通流预测模型。该预测模型运用云模型处理数据的模糊性和随机性问题的优势，提高了自组织神经网络预测中学习样本数据的可靠性。通过对某城区的实际数据进行对比测算，改进的预测模型比单纯使用自组织神经网络预测模型决定系数更高。结果表明，本文提出的模型在交通流预测中提高了准确率，降低了预测泛化误差。

关键词：城市交通、数据预测、云-自组织神经网络、交通流

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目71371094；国家自然科学基金青年基金项目71201078；教育部人文社会科学研究青年基金项目12YJCZH017；江苏省自然科学基金项目BK2012305

在线出版日期：2014-09-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：154-159