基于蚁群聚类算法的rbf神经网络交通流预测

《基于蚁群聚类算法的rbf神经网络交通流预测》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于蚁群聚类算法的RBF神经网络交通流预测基于蚁群聚类算法的RBF神经网络交通流预测基于蚁群聚类算法的RBF神经网络交通流预测基于蚁群聚类算法的RBF神经网络交通流预测基于蚁群聚类算法的RBF神经网络交通流预测第39卷第3期V.01.39No.3河北工业大学学报J0URNALOFHEBEIUNIVERSITY0FTECHNOL0GY2010年6月June2010文章编号:1007-2373(2010)03-0042—04基于蚁群聚类算法的RBF神经网络交通流预测林鑫,王晓晔,王卓,张德干(1.天津理工大学天津市智能计算

2、及软件新技术重点实验室,天津300191;2.天津理工大学计算机视觉与系统省部共建教育部重点实验室,天津300191)摘要短时交通流因其不确定性等特点而导致预测很复杂,准确率不高.本文把蚁群聚类算法和RBF神经网络结合来构建交通流预测模型,用蚁群聚类确定RBF网络隐层神经元的中心值,并且为了找到最优的聚类结果,在蚁群算法中加入了局部搜索.此模型具有较强的局部泛化能力和较高的准确率.实例仿真研究表明此方法预测效果较好.关键词短时交通流;预测;蚁群聚类;RBF神经网络;局部搜索中图分类号TP391文献标识码ATraffic

3、FlowForecastingBasedonAntColonyClusteringAlgorithmandRBFNeuralNetworkLINXin.一,WANGXiao.ve,ⅥNGZhuo,一,ZHANGDe.gan(1.TianjinKeyLaboratoryofIntelligenceComputingandNovelSoftwareTechnology,TianjinUniversityofTechnology,Tianjin300191,China;2.KeyLaboratoryofComputerVis

4、ionandSystem,MinistryofEducation,TianjinUniversityofTechnology,Tianjin300191,China)AbstractForitsuncertainty,theforecastingofshort—termtrafficflowiscomplicated,andtheaccuracyisnothigh.ThispapercombinesantcolonyclusteringalgorithmandRBFneuralnetworktodesigntraffi

5、cflowforecastingmodel,usingantcolonyclusteringalgorithmtogetthecentersofhiddenlayerneurons.Tofindthebestclusteringresult,localsearchisusedinantcolonyalgorithm.Themodelhass~onglocalgeneralizationabilitiesandhighaccuracy.Thesimu?lationexperimentresultsilluminateth

6、attheapplicationisfairlyeffective.Keywordsshort-termtrafficflow;forecast;antcolonyclustering;RBFneuralnetwork;localsearch0引言随着社会的进步,交通事业也在逐步发展,但各种交通问题也随之产生,如交通拥挤,交通事故等.而交通问题的好坏,不仅影响着人民的日常生活,也制约着经济和社会的发展.智能交通系统是近年来迅速发展起来的城市道路和高速公路控制管理新技术.它是运用高科技手段解决当今交通运输问题(包括运输能

7、力,运输效率,运输安全以及运输服务等)的新技术,是人工智能技术在交通运输系统的应用”.交通流量的预测是ITS的重要组成部分,而短时交通流预测又是其中的难点之一.短时交通流是指观测时间间隔很短的交通流,一般不超过15min.正由于观测时间间隔很短,交通流数据表现出高度的复杂性,随机性和不确定性.因此,要想准确的预测短时交通流量就比较困难.神经网络由于具有逼近任意非线性关系的能力,因此在智能交通系统中得到了广泛应用0j.RBF~0经网络因其在逼近能力,分类能力和学习速度等方面的优点,被广泛应用于各个领域,包括图像处理,交通

8、预测,语音识别等方面.文献【2]和文献[8】把RBF神经网络用于交通流的预测,证明此模型的有效性.在RBF网络中,最重要的是选择隐层函数的中心点.目前主要的网络中心选取法有随机法,最小二乘法,聚类法等.蚁群算法作为一种分布式寻优算法,展示了其优良的搜索最优解的能力,能够应用于各收稿日期:2009.04—28基金项目:国家863计划