基于神经网络的路口交通流转向比预测

被引：4

作者：

李瑞敏

陆化普

史其信

机构：

[1] 清华大学交通研究所

来源：

西南交通大学学报 | 2007年 / 06期

关键词：

交通流转向比; 预测模型; 神经网络; 自适应学习率;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; U495 [电子计算机在公路运输和公路工程中的应用];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 0838 ;

摘要：

为了预测路口交通信号控制所需的转向交通流量,提出了基于改进BP（back-propagation）神经网络的路口交通流转向比预测模型,给出了相应参数的计算方法;采用自适应学习率和动量梯度下降法以提高神经网络的学习速度和算法的可靠性,并用调查数据对模型进行了检验.研究结果表明,与传统的平均值法相比,用所提出的模型,平均绝对相对误差减小约1%3%.

引用

页码：743 / 747

页数：5