高速公路动态交通流Elman神经网络模型

被引：13

作者：

梁新荣 ^{[1
]}

刘智勇 ^{[2
]}

毛宗源 ^{[1
]}

机构：

[1] 华南理工大学自动化学院

[2] 五邑大学信息学院

来源：

交通运输工程学报 | 2006年 / 03期

基金：

广东省自然科学基金;

关键词：

交通规划; 动态交通流; 回归神经网络; 建模; 比较;

D O I：

暂无

中图分类号：

U491.112 [];

学科分类号：

摘要：

为了提高高速公路交通流建模的精度,分析了离散的高速公路动态交通流数学模型,基于Elman网络原理,建立了回归神经网络交通流模型。回归神经网络的输入层、上下文层、隐含层和输出层的节点数目分别选为8、30、30和2,采用Levenberg-Marquardt算法对回归神经网络进行训练,并对一条5路段的高速公路进行仿真。结果表明:回归神经网络平均相对误差为8.683 7×10-5,最大相对误差为4.237 1×10-4,与BP神经网络和RBF神经网络相比较,Elman回归神经网络能更好地逼近交通流数学模型,真实地描述交通流基本特性,能准确地建立动态交通流模型,适应交通状况的变化。

引用

页码：92 / 96

页数：5

共 9 条

[1] 基于热力学熵的交通流模型 [J].