基于GA-BP神经网络的交叉口短时交通流预测

• 作者: 朱云霞 郭唐仪
• 来源期刊: 交通运输研究
• 学科: 交通运输
• 关键词: 交叉口 短时预测 遗传算法 准实时 BP神经网络
• 年，卷（期）: 2019,（2）
• 页码范围: 45-51
• 页数: 7页
• 分类号: U491
• 字数: 3996字
• 语种: 中文
• DOI: 10.16503/j.cnki.2095-9931.2019.02.006

摘要

交叉口车辆运行效率不高主要由两个原因造成:一是目前很多交叉口交通信号的配时与实际交通流不匹配;二是当前短时交通流预测的时长集中在5～15min,过长的时间间隔无法给信号控制提供准确的数据支撑.为了改善这种状况,提出了一种基于优化的BP(Back Propagation)神经网络的交叉口短时交通流预测方法.首先针对流量预测提出了准实时的概念,其次引入BP神经网络,再利用遗传算法对BP神经网络进行优化,最后在优化的BP神经网络的基础上建立交叉口短时交通流预测模型,且将传统的预测时长从5min缩短到5s.利用南京市某一道路交叉口采集的数据对提出的预测方法进行验证,结果表明:与传统的BP神经网络以5min为预测时长相比,该预测方法以5s为预测时长能够将预测精度提高77％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭唐仪		25	110	6.0	9.0
2	朱云霞		1	2	1.0	1.0