融合FCM-RBF的短时交通拥堵状态预测模型

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据

中文摘要：针对高速公路常发性拥堵路段,提出一种融合模糊C均值聚类算法和径向基函数神经网络的短时交通拥堵状态预测模型.模型基于FCM聚类算法获取历史交通流的拥堵状态标签以及不同交通状态的聚类中心;基于RBF神经网络算法实现短时交通流参数预测.将RBF神经网络预测得到的短时交通流参数代入FCM聚类结果中,得到短时交通拥堵状态标签.通过交通流参数与交通状态的隐含关系,搭建出融合模型的基本计算架构.结果表明:FCM聚类算法训练后的分类结果更加稳定有效;RBF神经网络比对照方法具有更高的预测精度,预测相对误差基本低于1.2％;建立的FCM-RBF模型对短时交通拥堵状态预测的分类正确率达到95％,预测结果准确可靠.

外文标题：A fusion model for short-term traffic congestion state prediction with FCM-RBF

作者：

张生瑞、连江南、焦帅阳、周备

展开 >

作者单位：

长安大学运输工程学院,西安 710064

河南城建学院土木与交通工程学院,河南平顶山 467036

关键词：

交通工程短时交通拥堵状态预测模糊C均值聚类径向基函数神经网络智能交通系统

基金：

国家自然科学基金资助项目国家自然科学基金资助项目陕西省自然科学基础研究计划

项目编号：

52102404718710292020JM-222

出版年：

2023

DOI：

10.3969/j.issn.1674-8425(z).2023.03.002

重庆理工大学学报

重庆理工大学

重庆理工大学学报

CSTPCD北大核心

影响因子：0.567

ISSN：1674-8425

年,卷(期)：2023.37(6)

被引量2
参考文献量10