作者：程山英模糊神经网络短项交通流量交通流量预测
摘要：交通拥堵汽车流量的准确预测，能够有效改善现有的道路网络的通行能力。对车流量的预测，需要利用模糊推理系统将交通流分为不同的模糊集，给出模糊隶属度函数，完成交通拥堵汽车流量的预测。传统方法先选出相关性较高的道路断面，得到路网空间关系归一化约束矩阵，但忽略了给出交通隶属度函数，导致预测精度偏低。提出基于模糊神经网络的拥堵汽车流量预测方法。将神经网络和自适应卡尔曼滤波模型相结合，组建拥堵汽车流量预测模型，将任意时刻的交通流预测期望值作为模型的输入，将实际预测误差作为模型的输出，利用模糊推理系统将交通流分为不同的模糊集，给出模糊隶属度函数，将小波函数作为模糊推理系统的输入，利用神经网络实现模糊推理，借鉴遗传理论优化模糊神经网络，完成对拥堵汽车流量的预测。实验结果表明，所提方法预测精度较高，具有较高的预测准确性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
