基于BP神经网络的交通信息量预测方法

• 作者: 包天雯 户佐安 邹正丰
• 来源期刊: 交通运输工程与信息学报
• 学科: 交通运输
• 关键词: 交通信息 预测模型 因子分析 BP神经网络 仿真
• 年，卷（期）: 2018,（4）
• 页码范围: 81-87
• 页数: 7页
• 分类号: U491.1|U116
• 字数: 4308字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-4747.2018.04.011

摘要

交通信息量预测受到其影响因素的非线性影响,传统的基于统计方法的预测模型、动态分配模型和灰色预测模型等虽然可用于交通信息量的预测,但是克服非线性影响能力较差,预测结果已经达不到物联网的精度要求.为了更加精确地预测交通信息量,建立了基于BP神经网络的交通信息量预测模型,并通过因子分析和因子分析结果归一化处理减少了BP神经网络输入数据规模,缩短了神经网络预测时间.最后,通过对成都市某路段的数据进行处理和仿真,验证了模型的适应性.仿真所得的停止训练时间为3分2秒,预测误差为0.015,由此可知该模型对交通信息量的预测效果良好,可以对今后交通信息量的预测提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	户佐安	西南交通大学交通运输与物流学院	39	285	11.0	14.0
3	邹正丰	西南交通大学交通运输与物流学院	5	26	3.0	5.0
6	包天雯	西南交通大学交通运输与物流学院	2	8	2.0	2.0