交通流量预测的本质是对具有非周期性、非线性和随机性的交通流量数据序列根据当前和历史数据特征对未来流量态势做出合理的判断。基于模糊神经推理网络的非线性拟合能力和推理机制,研究了自适应模糊神经推理网络ANFIS在交通流量预测中...交通流量预测的本质是对具有非周期性、非线性和随机性的交通流量数据序列根据当前和历史数据特征对未来流量态势做出合理的判断。基于模糊神经推理网络的非线性拟合能力和推理机制,研究了自适应模糊神经推理网络ANFIS在交通流量预测中的应用。设计了3种形式的一阶模糊推理网络,对采样周期分别为30 s和2 m in的非周期性交通流量进行了预测计算,与具有不同隐层单元的BP神经网络预测结果进行了比较。结果表明自适应模糊神经网络计算简单,在交通流量趋势预测方面优势明显。展开更多
文摘交通流量预测的本质是对具有非周期性、非线性和随机性的交通流量数据序列根据当前和历史数据特征对未来流量态势做出合理的判断。基于模糊神经推理网络的非线性拟合能力和推理机制,研究了自适应模糊神经推理网络ANFIS在交通流量预测中的应用。设计了3种形式的一阶模糊推理网络,对采样周期分别为30 s和2 m in的非周期性交通流量进行了预测计算,与具有不同隐层单元的BP神经网络预测结果进行了比较。结果表明自适应模糊神经网络计算简单,在交通流量趋势预测方面优势明显。
