基于LVQ神经网络的交通拥堵预测研究

• 作者: 沈小军 王晨 陈峻
• 来源期刊: 交通运输工程与信息学报
• 学科: 交通运输
• 关键词: 学习向量量化神经网络 交通拥堵 预测 Matlab
• 年，卷（期）: 2009,（3）
• 页码范围: 97-101,106
• 页数: 6页
• 分类号: U491.2+65
• 字数: 3317字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-4747.2009.03.018

摘要

面对大量的交通参数数据,如何快速建立高效的分类预测模型以尽快地对拥堵状态进行判别是一个重要的问题.本文利用检测器提供的车速、流量和占有率等相关参数信息,提出了基于学习向量量化(LVQ)神经网络的交通拥堵预测模型.通过使用Matlab7.3数学软件的神经网络工具箱对该神经网络不断地训练,最终可以对道路正常状态和拥堵状态进行分类,通过交通流参数数据的输入预测出路段交通拥堵状况.最后,给出算例进行网络训练和测试,训练结果表明,运用该算法进行交通拥堵预测取得了良好的效果,具有一定的现实意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈峻	东南大学交通学院	157	2244	28.0	37.0
2	王晨	东南大学交通学院	19	121	6.0	10.0
3	沈小军	东南大学交通学院	3	50	3.0	3.0