基于径向基函数神经网络的城市道路路段行程时间实时预测模型

被引：19

作者：

刘江用

云美萍

闫亚文

杨晓光

机构：

[1] 同济大学交通运输工程学院

来源：

交通信息与安全 | 2011年 / 05期

关键词：

行程时间; 神经网络; 径向基函数;

D O I：

暂无

中图分类号：

U491.14 [];

学科分类号：

摘要：

提出利用径向基函数(RBF)神经网络方法对城市道路路段行程时间进行建模预测,并结合线圈和视频实测数据进行仿真分析,以实际行程时间和模型输出的行程时间预测值比较验证了模型的合理性。并将RBF神经网络方法与BP神经网络方法进行比较,结果表明RBF神经网络相对于BP神经网络训练时间短,且预测精度更高。

引用

页码：31 / 35

页数：5

共 9 条

[1]

基于RBF神经网络识别路面谱的新方法 [J].

张丽霞 ;

赵又群 ;

吴杰 ;

尹浩 .

公路交通科技, 2007, (06) :135-138

[2]

基于浮动车移动检测与感应线圈融合技术的行程时间估计模型 [J].

邹亮 ;

徐建闽 ;

朱玲湘 ;

温惠英 .

公路交通科技, 2007, (06) :114-117

[3]

基于径向基神经网络的铁路货运量预测 [J].

刘志杰 ;

季令 ;

叶玉玲 ;

耿志民 .

铁道学报, 2006, (05) :1-5

[4]

基于BP神经网络构建城市时需水量预测模型 [J].

金建华 ;

史义雄 ;

史永刚 .

城市管理与科技, 2005, (01) :29-31

[5]

径向基函数网络用于船用柴油机智能诊断的研究 [J].

陈丹 ;

黄加亮 ;

蔡振雄 .

武汉理工大学学报(交通科学与工程版), 2004, (04) :494-497

[6]

基于BP神经网络的路径行程时间实时预测模型[J] 杨兆升，朱中系统工程理论与实践 1999, 08

[7]

基于径向基函数（RBF）神经网络的路段行程时间预测研究 [D].

朱耿先 .

重庆大学,

2004

[8]

Traffic Dynamics: Method for Estimating Freeway Travel Times in Real Time from Flow Measurements[J] Do H. Nam;Donald R. Drew Journal of Transportation Engineering 1996,

[9]

Fast Learning in Networks of Locally-Tuned Processing Units[J] John Moody;Christian J. Darken Neural Computation 1989,

← 1 →