基于权值优化神经网络的交通拥堵程度决策方法

• 作者: 李波
• 来源期刊: 计算机应用研究
• 关键词: 交通拥堵 信息熵 隶属度 权值优化 神经网络
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2976-2979
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.06.0195

摘要

针对现有的交通拥堵程度决策方法在证据不确定和不完备情况下评价准确率低的问题,提出了一种基于权值优化神经网络方法.首先,采用二次型隶属度描述了各类交通拥堵证据的不确定性与不完备性.其次,由信息熵计算证据的贡献度,并作为优化神经网络的输入层权值.接下来,由初始权值与前序时刻的梯度和自适应更新各隐层与输出层的神经元权值,以期降低不确定和不完备证据给整个网络带来的累积误差.最后,结合实际交通状况进行算例分析,验证了该方法的准确性与收敛性.结论 分析表明,提出的方法能作出准确的交通拥堵程度决策.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李波		16	37	3.0	5.0