基于徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)的路段行程時間預測研究.pdf

1、交通流誘導和線路引導是21世紀現(xiàn)代地面運輸管理體系的模式和發(fā)展方向.論文提出了基于徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)路段行程時間預測的模型.論文首先介紹了路段行程時間預測的已有方法,分析了它們的優(yōu)勢和不足,在探討了交通參數(shù)的常見檢測方法的基礎(chǔ)上,提出了基于車型識別的雙線圈路段平均速度求取方案,接著,論文探討了RBF神經(jīng)網(wǎng)絡(luò)的原理、特點、結(jié)構(gòu)、實現(xiàn)并應(yīng)用于路段行程預測,提出了基于RBF神經(jīng)網(wǎng)絡(luò)的路段行程時間預測模型,通過仿真驗證了其預測效果,并

2、從實驗和理論上與卡爾曼濾波和BP網(wǎng)絡(luò)的預測性能做了系統(tǒng)的比較,證明了基于RBF神經(jīng)網(wǎng)絡(luò)的路段行程時間預測有較好的適應(yīng)性、實時性和準確性,在行程時間可實測的路段上它可以取得較為理想的預測效果,在行程時間不可實測的路段,其預測效果也是可以接受的,它克服了卡爾曼濾波算法對行程時間實測的依賴性和僅僅根據(jù)數(shù)據(jù)的表面特征進行參數(shù)優(yōu)化和預測的局限性,可以進行大范圍的數(shù)據(jù)融合,整體預測性能比卡爾曼濾波算法和BP神經(jīng)網(wǎng)絡(luò)要好,從而證明了基于徑向基函數(shù)(R