基于神经网络的交叉口交通流量预测方法研究.pdfVIP

inAreasofCommunications Technology＆Economy ＆通慕磐稳臻 基于神经网络的交叉口交通流量预测方法研究 操春燕，栗慧龙，吴兵 (同济大学交通运输工程学院，上海200092) 摘要：主要介绍利用BP神经网络模型来预测交叉口交通流量的方法。在概述了神经网络的工作原理和BP网络 模型的设计之后，通过举例更进一步说明此方法的可行性和预测效果。 关键词：BP神经网络；交通量；预测 中图分类号：U412．35 文献标识码：A 文章编号：1008—5696(2007)01—0099—00 A of methodofintersectiontrafficvolumebasedonneuralnetwork studypredictive CAO Chun—yan，LIHui—long，WUBing ofTrafficand 200092，China) (College TransportationEngineeriing，TongiiUniversity，Shanghai introducesthe methodofintersectiontrafficvolume to Abstract：It predictive according neuralnetworkmodel．After the ofneuralnetworkandthe ofBPneuralnetwork describing principle design stilldiscussesthe ofthemethodandtherelatedresultfroman model，it possibility example． words：BPneural Key network；trafficvolume；predict 路网内交叉口交通流量的预测，对于整个路网的交通控 BP神经网络的模型共分为3部分，输入层、隐层和输出 制和管理都具有重要的意义。目前关于它的预测方法和模 层。应用与交叉口交通流量预测中时，输入层即为相关交叉 型有很多，如主成分分析法、聚类分析法、逐步回归分析法 口的交通流量，再通过隐层的传递函数计算出输出结果。当 等。但某一交叉口的交通流量与相关交叉口的交通流量具 输出的结果与目标不一致时，通过对权值与阈值的调整，使 有非线性关系，而神经网络正具有非线性的特点，本文就基 其达到误差要求，最后得出输出结果。 于此，讨论利用神经网络模型对交叉口交通流量进行预测， 2 BP网络模型工作原理 并结合matlab工具编程举例说明。 BP网的学习过程是由模式的正向传播和误差的反向传 1 交通流量神经网络预测模型 播所组成。在正向传播过程中，输入信息经隐含单元逐层处 神经网络有很多类，如感知器、BP神经网络、径向基函 理并传向输出层，若不能得到所期望的输出，则转入反向传 数网络、自组织网络等，各类神经网络有各自不同的特点。 播过程，将实际值与网络输出之间的误差沿原来的联接通路 Network)即反向传播网络，是利用 BP网络(Back—Propagation 返回，通过修改各层神经元的联接权重使误