基于RBF神经网络的交通流预测方法  

作　　者：郑梦雷 李旭明 陈杏 吕俊锋 

机构地区：[1]苏州彼立孚数据科技有限公司 [2]西南财经大学

出　　处：《中国信息化》2025年第3期94-95,共2页

摘　　要：为了解决交通拥堵问题,本研究通过构建R B F(Radial Basis Function)神经网络预测模型,并结合智能网联汽车特性进行特征选择与数据预处理,实现对混合交通流的精细预测。实验结果表明,该方法相较于传统预测模型,在预测精度和收敛速度上均有显著提升。本文的RBF神经网络不仅适用于复杂交通流的预测,还能有效分析智能网联汽车对交通流稳定性的影响,为优化通行能力和提升道路运行效率提供科学依据。随着城市化进程的加速,交通拥堵和交通事故频发已成为制约城市发展的重要因素。交通流的随机性和复杂性,使得传统预测模型往往难以保证预测的精确度和时效性。

关 键 词：智能网联汽车 RBF神经网络 交通流预测 

分 类 号：U491[交通运输工程—交通运输规划与管理]