论文摘要
为了提高长时交通流的预测精度,提出一种改进的人工蜂群优化BP神经网络分时段预测交通流的方法;利用Tent混沌映射采蜜蜂放弃的新解,实现具有混沌搜索策略的人工蜂群算法,然后优化BP神经网络的权值和阈值,最终训练BP神经网络以求得最优值;利用该预测方法对合肥市黄天路全天的交通流分时段预测,实现了对长时交通流的准确预测,与传统的人工蜂群优化BP神经网络预测对比,能有效改善预测精度,降低预测误差。
论文目录
文章来源
类型: 期刊论文
作者: 李雪,李洋,郑晅
关键词: 交通流预测,神经网络,人工蜂群算法,混沌,分时段
来源: 计算机测量与控制 2019年03期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 公路与水路运输,自动化技术
单位: 长安大学电子与控制工程学院
基金: 国家自然科学基金资助项目(51308057),陕西省重点研发计划(2018GY-137)
分类号: U491;TP18
DOI: 10.16526/j.cnki.11-4762/tp.2019.03.009
页码: 44-48+54
总页数: 6
文件大小: 1822K
下载量: 284
相关论文文献
- [1].智能交通系统域间交通流预测关键技术研究[J]. 南方农机 2020(01)
- [2].基于深度学习的节假日高速公路交通流预测方法[J]. 系统仿真学报 2020(06)
- [3].智能网联环境下基于混合深度学习的交通流预测模型[J]. 交通运输系统工程与信息 2020(03)
- [4].城市道路交通流预测与交通状态识别方法研究[J]. 无线互联科技 2020(02)
- [5].生物智能算法优化小波神经网络研究及其在交通流预测应用[J]. 北京交通大学学报 2020(05)
- [6].基于资源分配网络算法的交通流预测研究[J]. 工业控制计算机 2017(10)
- [7].基于深度学习的交通流预测方法可行性研究[J]. 河北交通教育 2018(02)
- [8].基于长时卷积深度网络的交通流预测方法[J]. 测绘与空间地理信息 2019(07)
- [9].K近邻短期交通流预测[J]. 重庆交通大学学报(自然科学版) 2012(04)
- [10].一种改进的深度置信网络在交通流预测中的应用[J]. 计算机应用研究 2019(03)
- [11].基于局部多项式拟合的交通流预测[J]. 计算机工程与应用 2012(19)
- [12].基于数据挖掘技术的交通流预测模型[J]. 计算机系统应用 2019(07)
- [13].交通流预测评价中如何运用模糊数学方法进行预测[J]. 科技致富向导 2010(27)
- [14].基于神经网络的城市交通流预测研究[J]. 电子学报 2009(05)
- [15].基于动态规划的城市交通流预测与分配[J]. 交通运输系统工程与信息 2009(03)
- [16].节假日高速公路短时交通流预测[J]. 东莞理工学院学报 2019(03)
- [17].基于时空数据驱动的交通流预测[J]. 交通与运输 2019(S1)
- [18].基于小波分析组合模型的随机交通流预测系统[J]. 激光杂志 2015(11)
- [19].基于路段检测器布局的短期交通流预测模型[J]. 武汉理工大学学报(交通科学与工程版) 2009(02)
- [20].自适应粒子群神经网络交通流预测模型[J]. 西安交通大学学报 2015(10)
- [21].一种实现可控出行的智慧交通解决方案[J]. 通讯世界 2019(07)
- [22].基于神经网络的高速公路交通流预测模型及其应用[J]. 广东工业大学学报 2008(03)
- [23].自适应信号控制条件下的交通流预测模型研究[J]. 中国新技术新产品 2010(22)
- [24].聚类分析和支持向量机回归的交通流预测[J]. 电脑知识与技术 2019(15)
- [25].基于CNN和LSTM的交通流预测[J]. 通讯世界 2018(10)
- [26].基于weka的交通流预测研究[J]. 山东工业技术 2016(12)
- [27].组合粗糙集和支持向量回归的船舶交通流预测[J]. 计算机工程与应用 2014(14)
- [28].基于小波消噪和混沌时间序列的交通流预测[J]. 科学技术与工程 2010(31)
- [29].ITS中交通流预测方法的研究[J]. 中国科技信息 2008(10)
- [30].基于时空相关性的短时交通流预测模型[J]. 电脑知识与技术 2020(18)