文件名称：基于时空特性和RBF神经网络的短时交通流预测.pdf
文件大小：768KB
文件格式：PDF
更新时间：2022-10-15 15:23:36
交通流预测 神经网络 时空特性
针对实际交通流变化具有较明显的动态性、周相似性和相关性, 提出一种基于交通流的时空变化特性和RBF 神经网络的短时交通流预测方法。该方法充分挖掘和利用了交通流时间序列的周相似性和相关性, 以及相邻路段上交通流的相互影响因素, 结合RBF 神经网络自学习、自组织、自适应功能和大范围的数据融合特性对交通流进行短时预测。用实例进行了仿真计算和分析, 结果表明该方法能够提高交通流的预测精度。