基于神经网络的路口交通流转向比预测

• 作者: 史其信 李瑞敏 陆化普
• 来源期刊: 西南交通大学学报
• 学科: 工学
• 关键词: 交通流转向比 预测模型 神经网络 自适应学习率
• 年，卷（期）: 2007,（6）
• 所属期刊栏目: 高端视点
• 页码范围: 743-747
• 页数: 5页
• 分类号: TP391.9
• 字数: 3292字
• 语种: 中文
• DOI: 10.3969/j.issn.0258-2724.2007.06.019

摘要

为了预测路口交通信号控制所需的转向交通流量,提出了基于改进BP(back-propagation)神经网络的路口交通流转向比预测模型,给出了相应参数的计算方法;采用自适应学习率和动量梯度下降法以提高神经网络的学习速度和算法的可靠性,并用调查数据对模型进行了检验.研究结果表明,与传统的平均值法相比,用所提出的模型,平均绝对相对误差减小约1%～3%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆化普	清华大学交通研究所	232	5277	40.0	65.0
2	史其信	清华大学交通研究所	95	1766	23.0	40.0
3	李瑞敏	清华大学交通研究所	83	1273	17.0	34.0