基于GRNN模型的城市道路短期交通流预测研究

被引：3

作者：

孙湘海

机构：

[1] 长沙理工大学交通运输学院

来源：

关键词：

广义回归神经网络; 城市道路短期交通流; 预测;

D O I：

暂无

中图分类号：

U491.14 [];

学科分类号：

082302 ; 082303 ;

摘要：

采用剔出了城市道路短期交通流的周周期性特征的周差分数据作为广义回归神经网络(GRNN)模型的预测对象,这样既能避免合理选择交通流影响因素作为神经网络输入变量的困难,又能迅速获得实时短期交通流预测结果。研究结果表明,构建的神经网络模型能够很精确地实时预测城市道路短期交通流。

引用

页码：2904 / 2907

页数：4