基于 RBF 神经网络的交通生成预测模型

• 作者: 刘权富 张凯 邓捷 陆百川 马庆禄
• 来源期刊: 武汉理工大学学报（信息与管理工程版）
• 学科: 交通运输
• 关键词: RBF神经网络 交通生成预测 模型分析
• 年，卷（期）: 2014,（1）
• 页码范围: 43-47
• 页数: 5页
• 分类号: U491.1
• 字数: 4284字
• 语种: 中文
• DOI: 10.3963/j.issn.2095-3852.2014.01.011

摘要

针对交通生成预测中传统集计预测模型缺少行为基础这一重要数据源，以及普通离散模型建立对数学推导依赖性高和预测中存在多个预测值，导致预测结果精度不理想的问题，建立了基于RBF神经网络的交通生成预测模型，该模型将以行为基础为前提的离散数据作为数据源，模型的建立不需要进行数学推导，利用输入和输出数据自动建立，再结合RBF神经网络收敛速度快和具有唯一最佳逼近点的特点，对交通生成进行预测。通过实例进行仿真和分析，结果表明，该模型最终获得的交通生成预测结果与实际值误差在允许范围内，RBF神经网络交通生成预测效果好，能在实际中应用。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆百川	重庆交通大学交通运输学院	57	523	12.0	20.0
2	马庆禄	重庆交通大学交通运输学院	25	174	8.0	13.0
3	张凯	重庆交通大学交通运输学院	27	94	7.0	9.0
4	邓捷	重庆交通大学交通运输学院	9	112	7.0	9.0
5	刘权富	重庆交通大学交通运输学院	9	73	5.0	8.0