基于IPSO-BP神经网络的短时交通流量预测

• 作者: 李石荣 王本有 蔡翠翠
• 来源期刊: 四川理工学院学报（自然科学版）
• 学科: 工学
• 关键词: 智能交通 短时交通流量预测 BP神经网络 改进粒子群算法 预测精度
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 机械、电子及计算机科学
• 页码范围: 24-29
• 页数: 6页
• 分类号: TB115
• 字数: 3732字
• 语种: 中文
• DOI: 10.11863/j.suse.2019.01.04

摘要

短时交通流量具有非线性、随机性等特点,如何准确地进行短时交通流量预测,是智能交通系统研究的一项关键内容.传统的预测模型不能实时反映短时交通流量变化特点,同时BP神经网络的交通流量预测存在收敛速度缓慢、易陷入局部极值、预测精度低等缺点.为了提高短时交通流量预测精度,提出了一种基于改进粒子群算法(IPSO)优化BP神经网络的复合预测模型,引入相对误差指标作为预测模型的评价指标,并利用实测的道路短时交通流数据对所构建的预测模型进行验证.结果 表明,所提出的预测模型在短时间内寻出全局最优解,具有较好的预测精度,提高了短时交通流量预测的准确性和可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王本有	皖西学院电子与信息工程学院	36	117	4.0	10.0
2	李石荣	皖西学院电子与信息工程学院	6	9	1.0	3.0
3	蔡翠翠	皖西学院电子与信息工程学院	13	9	2.0	2.0