分段学习的双隐层BPNN对交通流量预测的研究

• 作者: 张立东 毛玉明 王英龙
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 智能交通系统 双隐层BP神经网络 交通流量
• 年，卷（期）: 2008,（13）
• 所属期刊栏目: 工程与应用
• 页码范围: 203-205
• 页数: 3页
• 分类号: TP183
• 字数: 3594字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008.13.063

摘要

智能交通系统可有效解决城市道路的拥挤,交通流量的预测是智能交通系统的关键技术之一.在各种预测方法中,BP神经网络的应用最普遍,并取得了许多成果.为了进一步提高BP神经网络的预测精度,采用了基于分段学习的双隐层BP神经网络对济南市经十路的交通流量进行了预测,并与相同结构未使用分段学习方法的BP神经网络预测所得结果进行了比较.实验数据显示采用分段学习的方法比未采用该方法的所得结果平均相对误差减少了2.52%.因此分段学习的双隐层BP神经网络可应用于预测道路交通流量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王英龙		52	521	12.0	19.0
2	张立东		14	181	6.0	13.0
3	毛玉明	山东轻工业学院信息科学与技术学院	6	13	2.0	3.0