10.3969/j.issn.1672-9889.2015.05.020
基于K-Means和GA-WNN的交通流量预测
如何对交通流进行准确和实时的预测是实现交通管理的关键所在.文章根据交通流数据的时间序列特性,提出基于K-Means算法与遗传算法(GA)优化的小波神经网络(WNN)预测方法:首先对交通流流量序列按照流量采用K-Means算法进行分割,分割后的结果较符合流量的分布情况;然后使用GA-WNN对分割后的每一个时间段的交通流数据分别进行建模和预测.仿真结果表明,该方法对交通流量预测的精度较好.
交通流量预测、K-Means算法、遗传算法、小波神经网络
12
U491.1+12(交通工程与公路运输技术管理)
2015-11-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
70-74