基于ANFIS混合模型的短时交通流预测

• 作者: 周长庚 唐敏佳 李银萍 颜秉洋
• 来源期刊: 计算机系统应用
• 关键词: 交通流预测 周期性提取 自适应模糊推理系统(ANFIS) 反向传播算法 最小二乘法
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 研究开发
• 页码范围: 247-253
• 页数: 7页
• 字数: 3427字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006906

摘要

城市短时交通流预测可以帮助人们选择出行最优路线,提高出行效率,其研究在交通拥堵日益严重的今天十分必要.受天气等多种因素影响,短时交通流的精确预测比较困难,为改善短时交通流预测的精度,本文提出了一种基于自适应模糊推理系统(ANFIS)的混合模型.该混合模型用周期性知识模型及残差数据驱动ANFIS模型集成得到.为验证所提出的混合模型的性能,与倒向传播神经网络(BPNN)模型和普通ANFIS模型进行对比.实验结果证明混合模型在交通流预测方面有更好的适用性和准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	颜秉洋	山东建筑大学信息与电气工程学院	1	1	1.0	1.0
2	唐敏佳	山东建筑大学信息与电气工程学院	1	1	1.0	1.0
3	周长庚	山东建筑大学信息与电气工程学院	1	1	1.0	1.0
4	李银萍	山东建筑大学信息与电气工程学院	1	1	1.0	1.0