基于小波模糊神经网络的实时交通流预测①.PDFVIP

2016 年 第 25 卷 第 7 期 计 算 机 系 统 应 用 基于小波模糊神经网络的实时交通流预测① 邵俊倩 (绥化学院 信息工程学院, 绥化 152061) 摘 要: 实时交通流预测是智能运输系统研究的重要内容之一. 本文将小波分析的相关知识与模糊神经网络相 结合, 给出了基于小波模糊神经网络的交通流预测模型, 采用小波函数作为模糊隶属度函数, 用神经网络来实现 模糊推理, 完成对下一个周期性交通流的估计. 同时, 用遗传算法来优化整个网络, 实测数据验证这种方法预测 精度高, 收敛过程平稳, 适应性强. 关键词: 小波模糊神经网络; 交通流; 预测; 遗传算法 Study of Real-Time Traffic Flow Prediction Based on Wavelet Fuzzy Neural Networks SHAO Jun-Qian (College of Information Engineering, Suihua University, Suihua 152061, China) Abstract: Real-time traffic flow prediction is one of important contents of intelligent transportation system research. Combined with the related knowledge of wavelet analysis and fuzzy neural networks, this paper gives the traffic flow forecasting model based on wavelet fuzzy neural networks. It takes wavelet function as fuzzy membership function, uses neural networks to realize fuzzy reasoning, and finishes the estimation of next cyclical traffic flow. Simultaneously the genetic algorithm is used to optimize the overall network. After the field data test, this method has high forecasting precision, stable convergence process, strong adaptability. Key words: wavelet fuzzy neural network; traffic flow; prediction; genetic algorithm 随着现代化城市的不断发展, 城市交通量急剧增 流量预测, 即如何有效地利用实时交通数据信息去滚 长, 交通问题已经成为世界性的难题, 交通阻塞的现 动预测未来几分钟内的交通状况. 随着短时交通流量 象四处可见, 严重的交通拥挤造成了重大的经济损失. 预测研究的深入, 人们提出了一批复杂的、精度更高的 根据《2010 中国新型城市化报告》, 我国 50 个主要城 预测方法. 从表现形式上分, 可将它们分成基于确定的 市中, 有 17 个城市上班途中花费的时间平均大于半小 数学模型的方法和无模型算法两大类[2]. 前者包括多元 , 因交通拥堵和管理上存在的问题, 北京、上海和广 ARIMA 模型、自适应权重联合模型、Kalman 时 回归模型、 州等地每天损失近 10 亿 [1]. 智能化交通系统 滤波模型、基准函数—指数平滑模型、UTCS-2(