基于改进神经网络算法的大规模路网交通流短时预测

摘要

针对大规模路网交通流在短时间内具有高度复杂性以及非线性特征，对交通流短时预测精度有一定影响的问题，提出了基于改进神经网络算法的大规模路网交通流短时预测方法。利用构建大规模路网函数，通过将路段视为路网核心，将道路节点视为相应的连接元素实现路网函数优化。以优化后的路网函数为基础，通过K均值算法与EM(Expectation-Maximization)算法结合的方式提取交通流特征。通过遗传算法与Elman神经网络算法相结合的改进方式，对该路网的交通流进行短时预测，得到相关的预测结果。经实验证明，改进的方法单点平均速度预测结果与实际值更为接近，大规模路网交通流短时预测误差较低，预测结果可靠性更高。

关键词

神经网络算法 / 遗传算法 / 大规模路网 / 交通流短时预测 / 特征提取 / EM算法