基于稀疏表达和RBF神经网络的交通流预测方法

• 作者: 史世雄 王敏捷
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 稀疏表达 交通流预测 RBF神经网络 时空关联
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 研究与设计
• 页码范围: 25-28
• 页数: 4页
• 分类号: TP181
• 字数: 3540字
• 语种: 中文

摘要

准确的交通流预测被认为是智能交通系统(ITS)中一个重要的元素.针对以往仅靠人工经验在预测节点的邻近范围内进行时空关联选取,提出了一种基于稀疏表达的时空关联挖掘的方法,并应用于RBF(Radial Basis Function)神经网络进行交通流预测.它的优势在于可以基于全局的交通网数据自动地挖掘出与目标节点的传感器相关的时空关联传感器,此方法具有良好的自适应性,能应用到大的交通网中进行交通流预测.相比于从邻近范围选取时空关联传感器来进行预测的方法,拥有更好的预测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王敏捷	复旦大学计算机科学技术学院	2	6	2.0	2.0
2	史世雄	复旦大学计算机科学技术学院	1	4	1.0	1.0