基于IPSO-BP神经网络的短时交通流量预测

摘要：

短时交通流量具有非线性、随机性等特点,如何准确地进行短时交通流量预测,是智能交通系统研究的一项关键内容.传统的预测模型不能实时反映短时交通流量变化特点,同时BP神经网络的交通流量预测存在收敛速度缓慢、易陷入局部极值、预测精度低等缺点.为了提高短时交通流量预测精度,提出了一种基于改进粒子群算法(IPSO)优化BP神经网络的复合预测模型,引入相对误差指标作为预测模型的评价指标,并利用实测的道路短时交通流数据对所构建的预测模型进行验证.结果 表明,所提出的预测模型在短时间内寻出全局最优解,具有较好的预测精度,提高了短时交通流量预测的准确性和可靠性.

关键词：智能交通、短时交通流量预测、BP神经网络、改进粒子群算法、预测精度

所属期刊栏目：32

分类号：TB115(工程基础科学)

资助基金：安徽高校自然科学重点项目KJ2018A0411,KJ20180417;皖西学院校级自然科学重点项目WXZR201820

在线出版日期：2019-06-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：24-29