基于非线性主成分分析和GAGRBF的高速公路交通量预测方法.PDFVIP

第 卷 第 期 交 通 运 输 工 程 学 报 １８ 　 ３ Vol１８　No３ 年 月 ２０１８ ６ JournalofTrafficandTransortationEnineerin June２０１８ p g g 文章编号: ( ) １６７１Ｇ１６３７２０１８０３Ｇ０２１０Ｇ０８ 基于非线性主成分分析和GAＧRBF的 高速公路交通量预测方法 , , , 雷定猷 马 强 徐新平 刘青意 　 ( , ) 中南大学 交通运输工程学院 湖南 长沙　４１００７５ : , 摘 要 为了提高高速公路交通量的预测精度 综合考虑高速公路交通量的高度非线性和受多因素 　 , ( ) 影响的特征 提出一种基于非线性主成分分析和 GAＧRBF神经网络 NPCAＧGAＧRBF的高速公路 ; , 交通量预测方法 确定了高速公路交通量的主要影响指标 运用非线性主成分分析法降低高速公路 , , ; 交通量影响指标的维数及其相关性 用少数主成分代替原有的多指标 以简化神经网络结构 利用 , ; , GA优化 RBF神经网络的参数 进一步提高交通量的预测精度 以普洱市某高速公路为例 对交通 . : 量预测方法进行实例验证 分析结果表明 组试验 和 方法的平均相对 ２ GAＧRBF NPCAＧGAＧRBF 、 、 , 误差分别比 方法降低 和 说明 优化 神经网络能提高 RBF １．６２％ ３．５３％ ２．２７％ ３．３２％ GA RBF ; , 方法的交通量预测精度 与 方法相比 组试验 方法的平均相对误 RBF GAＧRBF ２ NPCAＧGAＧRBF 、 , , , 差分别降低了１．９１％ １．０５％ 其交通量预测值更接近实际交通量 预测结果更为可靠 表明非线 , , . 性主成分分析法消除了指标的相关性 进一步提高了交通量预测精度 减少了交通量预测复杂度 , , 可见