基于改进小波神经网络的短时交通流量预测研究  

Research on Short-term Freeway Traffic Flow Prediction Based on Improved Wavelet Neural Network

作　　者：曹莉[1] 唐玲[1] 吴浩[1] 高祥[2] 乐英高[3] 

机构地区：[1]四川理工学院自动化与电子信息学院,南京210096 [2]四川理工学院机械工程学院,四川自贡643000 [3]东南大学仪器科学与工程学院,南京210096

出　　处：《四川理工学院学报（自然科学版）》2015年第6期52-57,共6页Journal of Sichuan University of Science & Engineering(Natural Science Edition)

基　　金：企业信息化与物联网测控技术四川省高校重点实验室项目(2013WYJ03;2013WYY05;2013WZY01;2014WYJ04);酿酒生物技术四川省重点实验室项目(NJ2013-11);四川省智慧旅游研究基地项目(ZHZ13-02);四川理工学院科研基金项目(2014KY03)

摘　　要：针对城市短时交通流量具有复杂性和非线性等特点,提出了基于人工蜂群算法(ABC)优化小波神经网络对短时交通流量预测分析模型。以小波神经网络(WNN)为基础,将以前城市采集的交通流量作为预测样本,通过人工蜂群算法优化WNN网络结构、权值和阈值,并建立城市短时交通流量预测数学模型。实验仿真表明,所提出的算法预测结果比仅使用WNN算法以及粒子群优化BP神经网络算法效率更高,是一种有效可靠的交通流量预测方法。In view of the complexity and nonlinear characteristics of urban short-term traffic flow, the short-term traffic flow prediction analytic model base on artificial bee colony algorithm （ABC） optimizing wavelet neurotic network algorithm was proposed. With the wavelet neural network （WNN） as the foundation, and the past urban traffic flow as the predicted sample, the structure, weight and threshold of WNN are optimized by artificial bee colony algorithm, finally the urban short- term traffic flow prediction mathematical model is established. Through the comparison of experimental simulation, the pro- posed algorithm is more effective than the WNN algorithm and the particle swarm optimization BP neural network algorithm only, which is an effective and reliable method for traffic flow prediction.

关 键 词：智能交通系统 短时交通流量预测 人工蜂群算法 小波神经网络 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]