基于GA-tBP模型的城市道路交通量预测

摘要：

针对城市道路交通量时间差异性强的问题,提出了一种使用遗传算法(genetic algorithm,GA)优化BP(back propaga-tion)神经网络并考虑时间特性的模型(GA-tBP)预测道路交通量.从月、周、日3个维度统计分析了历史交通量数据存在的差异,得出影响城市道路交通量的时间因素.以江西省南昌市赣江中大道交通量为例,对未来24 h内每5 min交通量进行预测,对比分析了不同模型在预测精度和学习能力等方面的表现.研究结果表明,同不考虑时间特性的模型及其他传统预测模型相比较,GA-tBP模型的预测效果最好,其均方误差(mean squared error,MSE)及平均绝对误差(mean absolute error,MAE)分别为14.87 veh/5 min和2.44 veh/5 min,故该模型具有可行性和有效性.

关键词：城市道路交通、交通量预测、时间特性、组合模型

所属期刊栏目：23

分类号：U491.1(交通工程与公路运输技术管理)

资助基金：广东省自然科学基金项目;广东省自然科学基金项目

在线出版日期：2023-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：3053-3059