基于GA-PSO混合优化的BPNN车速预测方法

摘要：

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.

关键词：城市交通、车速预测、BP神经网络、遗传算法、粒子群算法

所属期刊栏目：17

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/National Natural Science Foundation of China61573030

在线出版日期：2018-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：40-47