10.16097/j.cnki.1009-6744.2017.06.007
基于GA-PSO混合优化的BPNN车速预测方法
BP神经网络(BPNN)已经用于车速预测方面的研究.针对BPNN不同的初始权值和阈值会影响车速预测精度的问题,提出一种基于GA-PSO混合优化的BPNN车速预测方法.以北工大西门到百葛桥为研究路径,构建基于BPNN的车速预测模型;将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合,通过逐次迭代取最优的方式确定BPNN的最优初始权值和阈值,以此设计基于GA-PSO混合优化的BPNN车速预测方法.最后,以所选路径为对象,利用基于GA-BPNN的预测法、基于PSO-BPNN的预测法,以及提出的方法对车速进行了实验预测.结果表明,相较于前两种车速预测改进方法,本文方法的平均车速预测误差分别降低了37.1%和24.1%,有效地提高了车速的预测精度.
城市交通、车速预测、BP神经网络、遗传算法、粒子群算法
17
U491(交通工程与公路运输技术管理)
国家自然科学基金/National Natural Science Foundation of China61573030
2018-01-12(万方平台首次上网日期,不代表论文的发表时间)
共8页
40-47