10.3969/j.issn.1007-757X.2014.05.007
基于稀疏表达和RBF神经网络的交通流预测方法
准确的交通流预测被认为是智能交通系统(ITS)中一个重要的元素.针对以往仅靠人工经验在预测节点的邻近范围内进行时空关联选取,提出了一种基于稀疏表达的时空关联挖掘的方法,并应用于RBF(Radial Basis Function)神经网络进行交通流预测.它的优势在于可以基于全局的交通网数据自动地挖掘出与目标节点的传感器相关的时空关联传感器,此方法具有良好的自适应性,能应用到大的交通网中进行交通流预测.相比于从邻近范围选取时空关联传感器来进行预测的方法,拥有更好的预测性能.
稀疏表达、交通流预测、RBF神经网络、时空关联
30
TP181(自动化基础理论)
教育部973项目2010CB731401;国家自然科学基金61071133,91024011
2014-06-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
25-28