数据挖掘在交通流预测模型中的研究与应用

扫码查看

原文链接

NETL

中文摘要：通过对道路交通流变化规律和影响因素的分析，提出了一种新的交通流预测模型。首先，鉴于模糊聚类方法易陷入局部最优解及运算速度慢的缺点，采用蚁群算法中pij(t)改进模糊聚类分析；然后以最拥挤时间段的25个点交通流数据、天气数据以及天类别数据为指标，将历史数据聚分成若干簇团，并采用动量BP神经网络针对每一簇团建立相应的预测模型。对实际数据进行预测分析的结果表明，该模型不仅对普通工作日有较高的预测精度，对双休日、节假日和一些特殊情况（雨雪天气）也有较好的预测精度。

作者：

闫伟、刘云岗、王桂华

展开 >

作者单位：

山东大学能源与动力工程学院交通运输研究所，济南 250061

关键词：

蚁群算法模糊聚类 BP神经网络交通流预测数据挖掘

主办单位：

全国智能交通系统协调指导小组

交通部公路科学研究院

会议名称：

2008第四届中国智能交通年会

会议时间：

2008-09-01

会议地点：

青岛

会议母体文献：

2008第四届中国智能交通年会论文集

页码：

1-8

出版时间：

2008