基于 QPSO-RBF 的交通量预测方法研究

• 作者: 徐建闽 焦光庭 马永红
• 来源期刊: 交通与计算机
• 学科: 交通运输
• 关键词: 量子粒子群优化算法 径向基函数神经网络 混合优化算法 交通量预测
• 年，卷（期）: 2008,（4）
• 所属期刊栏目: 交通运输与规划
• 页码范围: 128-131
• 页数: 4页
• 分类号: U491.1
• 字数: 3612字
• 语种: 中文
• DOI: 10.3963/j.issn.1674-4861.2008.04.034

摘要

实时、准确的交通量预测是实现动态交通流控制及诱导的前提和基础,为了更好的对其进行预测,在分析径向基函数(RBF)神经网络预测模型的特点和标准粒子群优化(PSO)算法缺陷的基础上,将量子粒子群优化(QPSO)算法的全局搜索能力与RBF神经网络的局部优化相结合,克服了标准PSO算法收敛不稳定性和RBF神经网络易陷入局部极小值的缺点,并建立了QPSO-RBF的交通量预测模型.仿真实例结果表明,提出的预测模型预测精度较高,具有较强的学习能力和预测能力,对于交通量预测具有一定的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐建闽		354	5014	38.0	50.0
2	马永红		7	53	4.0	7.0
3	焦光庭		2	15	2.0	2.0