基于Sugeno型神经模糊系统的交通流状态预测算法

被引：4

作者：

傅惠 ^{[1
]}

许伦辉 ^{[2
]}

胡刚 ^{[1
]}

王勇 ^{[3
]}

机构：

[1] 广东工业大学机电工程学院

[2] 华南理工大学土木与交通学院

[3] 广东工业大学计算机学院

来源：

控制理论与应用 | 2010年 / 27卷 / 12期

基金：

广东省科技计划;

关键词：

神经模糊系统; 交通流状态预测; 动态交通管理;

D O I：

暂无

中图分类号：

U491.112 [];

学科分类号：

摘要：

从交通流状态的模糊特性出发,设计基于Sugeno型神经模糊系统的交通流状态预测算法.选择交通流状态的影响指标作为模糊推理系统的输入、交通流状态作为输出;据经验对输入、输出划分模糊子集,给出相应的隶属度函数并制定模糊规则;建立具有5层结构的神经模糊推理系统,利用神经网络优化调整模糊推理系统的隶属度函数和模糊规则.仿真实验表明,神经网络可直接优化模糊推理系统的隶属度函数,通过对连接权值的训练间接优化模糊规则,故Sugeno型神经模糊系统相比常规模糊系统具有更好的交通流状态预测性能.

引用

页码：1637 / 1640

页数：4

共 7 条

[1] 基于模糊数学的交通拥挤评价指标
张毅媚
黄进堂
[J]. 华中科技大学学报(城市科学版), 2008, (01) : 65 - 68+81
[2] 基于探测车技术和多级模糊模式识别的道路交通状态评价方法
王力
范耀祖
张海
[J]. 公路交通科技, 2007, (09) : 92 - 95+123
[3] 城市快速路交通拥挤识别方法
姜桂艳
冮龙晖
王江锋
[J]. 交通运输工程学报, 2006, (03) : 87 - 91
[4] 一种新的基于神经模糊推理网络的复杂系统模糊辨识方法
李佳宁
易建强
赵冬斌
西广成
[J]. 自动化学报, 2006, (05) : 695 - 703
[5] Traffic chaos and its prediction based on a nonlinear car-following model[J]. Hui FU, Jianmin XU, Lunhui XU(College of Traffic and Communication,South China University of Technology,Guangzhou Guangdong 510640,China).Journal of Control Theory and Applications. 2005(03)
[6] 短期交通流可预测性分析与比较
黄中祥
王正武
况爱武
[J]. 土木工程学报, 2004, (02) : 101 - 104
[7] 模糊神经网络技术综述
张凯
钱锋
刘漫丹
[J]. 信息与控制, 2003, (05) : 431 - 435

← 1 →