吉林大学学报（信息科学版）
吉林大學學報（信息科學版）
길림대학학보（신식과학판）
JOURNAL OF JILIN UNIVERSITY(INFORMATION SCIENCE EDITION)
2005年
6期
569-573
,共5页
交通参数%预测%神经网络
交通參數%預測%神經網絡
교통삼수%예측%신경망락
为能够迅速准确地采取相应措施处理交通拥堵问题,改善行车安全,进而提高路网效率,研究了基于神经网络的交通参数预测方法,预测了交通流量、速度和占有率.在分析常用BP(Back Propagation)神经网络算法的基础上,研究误差平方和最小化的L-M(Levenberg-Marquart)算法.相对于常规预测方法,基于神经网络的交通参数的预测方法对于随机的参数变化具有更好的适应性,能及时跟随交通参数的变化,所以精确度更高,适应性更好.仿真结果显示,L-M算法的训练速度相比于常规BP算法要快几十倍,预测交通流量、速度和占有率等参数的效果优于常用的指数平滑算法,因此基于神经网络的交通参数预测方法可以应用于交通领域.
為能夠迅速準確地採取相應措施處理交通擁堵問題,改善行車安全,進而提高路網效率,研究瞭基于神經網絡的交通參數預測方法,預測瞭交通流量、速度和佔有率.在分析常用BP(Back Propagation)神經網絡算法的基礎上,研究誤差平方和最小化的L-M(Levenberg-Marquart)算法.相對于常規預測方法,基于神經網絡的交通參數的預測方法對于隨機的參數變化具有更好的適應性,能及時跟隨交通參數的變化,所以精確度更高,適應性更好.倣真結果顯示,L-M算法的訓練速度相比于常規BP算法要快幾十倍,預測交通流量、速度和佔有率等參數的效果優于常用的指數平滑算法,因此基于神經網絡的交通參數預測方法可以應用于交通領域.
위능구신속준학지채취상응조시처리교통옹도문제,개선행차안전,진이제고로망효솔,연구료기우신경망락적교통삼수예측방법,예측료교통류량、속도화점유솔.재분석상용BP(Back Propagation)신경망락산법적기출상,연구오차평방화최소화적L-M(Levenberg-Marquart)산법.상대우상규예측방법,기우신경망락적교통삼수적예측방법대우수궤적삼수변화구유경호적괄응성,능급시근수교통삼수적변화,소이정학도경고,괄응성경호.방진결과현시,L-M산법적훈련속도상비우상규BP산법요쾌궤십배,예측교통류량、속도화점유솔등삼수적효과우우상용적지수평활산법,인차기우신경망락적교통삼수예측방법가이응용우교통영역.
