BP与小波神经网络短时交通流预测对比研究.pdfVIP

Tr论耘 Sc科ience技Tech视nologyUVirsion - 科技 ·探索·争鸣 BP与小波神经网络短时交通流预测对比研究 王 健 孙结松 (江苏纬信工程咨询有限公司，江苏 南京 210014) 【摘 要】短时交通量预测是实时管理、调度城市交通的基础。采用小波神经网络方法预测短时交通量，给出了小波变换的基本原理，选取 母小波为隐含层基函数构建小波神经网络的基本框架。选取南京市某路段为实例．通过对比传统BP神经网络说明小波神经网络的准确性 实 验表明，两种神经网络预测方法都具有一定的准确性．小波神经网络优于BP神经网络。 【关键词】短时交通量：预测；母小波；小波神经网络 A【bstract】Predictionofshort—termtrafficflow isthebasisofreal—timemanagement、schedulingurbantransport．Waveletneuralnetwork prediction method areusedtoforecastshort—temr trafficflow，providethebasicprincipleofwavelettrnasform，selectthemotherwaveletasprimary funotionofhiddenlayertobuildthebasicframeworkofthewaveletneuralnetwork．Selectananjingroadasanexample，thewaveletneuralnetwork gotbetteraccuracybycomparingthetraditional BP neuralnetwork．Theexperimentsshow thatthetwoneuralnetworkpredictionmethodhashigh accuracy，waveletneuralnetworkisbetterthanBPneuralnetwork． 【Keywords】Shoa—temr trafficflow；Forecast；Motherwavelet；waveletneuraluetwork 0 引言 则隐含层输入计算公式为 k 1 随着经济、社会的发展．越来越多的人选择使用小汽车出行 ，导致 (，)=^=，l 堕 1 …， 城市交通压力迅速增大．许多大城市如北京、上海的交通不堪重负，好 在近年来很多国内的学者开始急切关注交通问题．提出很多解决的方 ／ 案。智能交通系统(intelligenttransportati0nsvstem．ITS)作为一种实时、 式中h(j)为隐含层第 i个节点输出值；mii为输入层和隐含层连接 高效、准确 、便民的交通系统开始作为解决交通问题的新手段进人人 权值；bj为小波基函数hj的平移N-~；aj为小波基函数 hj的伸缩因 们的视野．很多专家预言未来要想缓解城市交通压力．ITS具有非常 子；hj为小波基函数。 重要的作用。 本文采用的小波基函数为Modet母小波基函数．数学公式为： 交通流预测是城市交通控制和诱导的基础 只有在全面提前掌握 ：c。s(1．75咖 城市各路段交通动向．决策人员才能据此做出准确的判断．合理调配 函数图形如图1： 交通流。交通流预测是指根据现有的交通流数据．预测下一时刻(最多 为5min)的交通流量、交通速度、交通密度。本文重点研究如何预测下