高速公路动态交通流Elman 神经网络模型.pdfVIP

第6卷 第3期 交 通 运 输 工 程 学 报 Vol.6 No.3 2006年9月 JournalofTrafficandTransportationEngineering Sept.2006 文章编号:1671-1637(2006)03-0092-05 高速公路动态交通流Elman神经网络模型 梁新荣,2‘，刘智勇2，毛宗源 ‘ (1.华南理工大学 自动化学院，广东 广州 510640;2.五邑大学 信息学院，广东 江门 529020) 摘 要:为了提高高速公路交通流建模的精度，分析了离散的高速公路动态交通流数学模型，基于 Elman网络原理，建立了回归神经网络交通流模型。回归神经网络的输入层、上下文层、隐含层和 输出层的节点数目分别选为8,30,30和2，采用Levenberg-Marquardt算法对回归神经网络进行 训练，并对一条5路段的高速公路进行仿真。结果表明:回归神经网络平均相对误差为8.6837X 10-5，最大相对误差为4.2371X10-，与BP神经网络和RBF神经网络相比较，Elman回归神经网 络能更好地逼近交通流数学模型，真实地描述交通流基本特性，能准确地建立动态交通流模型，适 应交通状况的变化。 关键词:交通规划;动态交通流;回归神经网络;建模;比较 中图分类号:U491.112 文献标识码 :A Elmanneuralnetworkmodeloffreewaydynamictrafficflow LiangXin-rong2，LiuZhi-yong2，MaoZong-yuan (1.SchoolofAutomation,SouthChinaUniversityofTechnology,Guangzhou510640,Guangdong,China; 2.SchoolofInformation,WuyiUniversity,Jiangmen529020,Guangdong,China) Abstract;Inordertoimprovetheaccuracyoffreewaytrafficflow modeling，thediscrete mathematicalmodeloffreewaydynamictrafficflowwasanalyzed，andatrafficflowmodelof recurrentneuralnetworkwasbuiltbasedontheprincipleofElmannetwork.Thenodenumbers oftheinputlayer,contextlayer,hiddenlayerandoutputlayeroftherecurrentnetworkwere selectedas8，30，30and2respectively.Levenberg-Marquardtalgorithmwasusedtotrainthe recurrentnetwork，andafreewaywithfivesegmentswassimulated.Simulationresultshowsthat theaveragerelativeerrorandthemaximumrelativeerrorfortherecurrentnetworkare8.6837X 10一5and4.2371X10一‘respectively,comparedwiththeBPandRBFneuralnetwork，theElman recurrentnetworkcanapproachthemathematicalmodeloffreewaytrafficflowmoreaccurately, canbetterdescribethebasicpropertiesoftrafficflow，andbymeansofon-linelearningfromthe datameasuredbysensorsonthefreeway,theElmanrecurrentnetworkcanadapttothecha