基于数据挖掘的交通流预测模型
通过对道路交通流变化规律和影响因素的分析,提出了一种新的交通流预测模型.首先,鉴于模糊聚类方法易陷入局部最优解及运算速度慢的缺点,采用蚁群算法中pij(t)改进模糊聚类分析;然后以最拥挤时间段的25个点交通流数据、天气数据以及天类别数据为指标,将历史数据聚分成若干簇团,并采用动量BP神经网络针对每一簇团建立相应的预测模型.对实际数据进行预测分析的结果表明:该模型不仅对普通工作日有较高的预测精度,对双休日、节假日和一些特殊情况(雨雪天气)也有较好的预测精度.
蚁群算法、模糊聚类、动量BP神经网络、交通流预测
30
TP391(计算技术、计算机技术)
国家高技术研究发展计划863计划2007AA04Z138;山东省优秀中青年科学家科研奖励基金2007BS01005
2010-11-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
1320-1325