基于BP神经网络和模糊推理系统的短时交通流预测

• 作者: 姜守旭 李治军 熊伟晴 燕晓波
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 短时交通流预测 BP神经网络 模糊推理系统 卡尔曼滤波
• 年，卷（期）: 2015,（2）
• 页码范围: 43-46,51
• 页数: 5页
• 分类号: TP39
• 字数: 3965字
• 语种: 中文

摘要

本文研究短时交通流预测。短时交通流预测是智能交通系统研究和实践的必要基础。本文提出和建立了一个短时交通流量预测模型，该模型利用一个基于规则的模糊系统，非线性地组合BP 神经网络模型和自适应卡尔曼滤波模型的交通流量预测结果，使得短时交通流量的预测结果更加准确可靠。该模型将传统方法和人工智能方法有机结合，一方面，利用人工神经网络强大的动态非线性映射能力，从而提高预测精度；另一方面，充分发挥卡尔曼滤波的静态线性稳定性，解决了单独使用BP神经网络进行预测时识别率不理想和可信度不高的问题。实验结果表明，本文提出的短时交通流预测模型具有较高的准确度和可靠度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜守旭	哈尔滨工业大学计算机科学与技术学院	47	622	12.0	24.0
2	李治军	哈尔滨工业大学计算机科学与技术学院	36	313	11.0	15.0
3	熊伟晴	哈尔滨工业大学计算机科学与技术学院	1	12	1.0	1.0
4	燕晓波	吉林大学计算机科学与技术学院	1	12	1.0	1.0