基于蟻群聚類算法的rbf神經(jīng)網(wǎng)絡(luò)交通流預(yù)測

《基于蟻群聚類算法的rbf神經(jīng)網(wǎng)絡(luò)交通流預(yù)測》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、基于蟻群聚類算法的RBF神經(jīng)網(wǎng)絡(luò)交通流預(yù)測基于蟻群聚類算法的RBF神經(jīng)網(wǎng)絡(luò)交通流預(yù)測基于蟻群聚類算法的RBF神經(jīng)網(wǎng)絡(luò)交通流預(yù)測基于蟻群聚類算法的RBF神經(jīng)網(wǎng)絡(luò)交通流預(yù)測基于蟻群聚類算法的RBF神經(jīng)網(wǎng)絡(luò)交通流預(yù)測第39卷第3期V.01.39No.3河北工業(yè)大學(xué)學(xué)報J0URNALOFHEBEIUNIVERSITY0FTECHNOL0GY2010年6月June2010文章編號:1007-2373(2010)03-0042—04基于蟻群聚類算法的RBF神經(jīng)網(wǎng)絡(luò)交通流預(yù)測林鑫,王曉曄,王卓,張德干(1.天津理工大學(xué)天津市智能計算

2、及軟件新技術(shù)重點(diǎn)實驗室,天津300191;2.天津理工大學(xué)計算機(jī)視覺與系統(tǒng)省部共建教育部重點(diǎn)實驗室,天津300191)摘要短時交通流因其不確定性等特點(diǎn)而導(dǎo)致預(yù)測很復(fù)雜,準(zhǔn)確率不高.本文把蟻群聚類算法和RBF神經(jīng)網(wǎng)絡(luò)結(jié)合來構(gòu)建交通流預(yù)測模型,用蟻群聚類確定RBF網(wǎng)絡(luò)隱層神經(jīng)元的中心值,并且為了找到最優(yōu)的聚類結(jié)果,在蟻群算法中加入了局部搜索.此模型具有較強(qiáng)的局部泛化能力和較高的準(zhǔn)確率.實例仿真研究表明此方法預(yù)測效果較好.關(guān)鍵詞短時交通流;預(yù)測;蟻群聚類;RBF神經(jīng)網(wǎng)絡(luò);局部搜索中圖分類號TP391文獻(xiàn)標(biāo)識碼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引言隨著社會的進(jìn)步,交通事業(yè)也在逐步發(fā)展,但各種交通問題也隨之產(chǎn)生,如交通擁擠,交通事故等.而交通問題的好壞,不僅影響著人民的日常生活,也制約著經(jīng)濟(jì)和社會的發(fā)展.智能交通系統(tǒng)是近年來迅速發(fā)展起來的城市道路和高速公路控制管理新技術(shù).它是運(yùn)用高科技手段解決當(dāng)今交通運(yùn)輸問題(包括運(yùn)輸能

7、力,運(yùn)輸效率,運(yùn)輸安全以及運(yùn)輸服務(wù)等)的新技術(shù),是人工智能技術(shù)在交通運(yùn)輸系統(tǒng)的應(yīng)用”.交通流量的預(yù)測是ITS的重要組成部分,而短時交通流預(yù)測又是其中的難點(diǎn)之一.短時交通流是指觀測時間間隔很短的交通流,一般不超過15min.正由于觀測時間間隔很短,交通流數(shù)據(jù)表現(xiàn)出高度的復(fù)雜性,隨機(jī)性和不確定性.因此,要想準(zhǔn)確的預(yù)測短時交通流量就比較困難.神經(jīng)網(wǎng)絡(luò)由于具有逼近任意非線性關(guān)系的能力,因此在智能交通系統(tǒng)中得到了廣泛應(yīng)用0j.RBF~0經(jīng)網(wǎng)絡(luò)因其在逼近能力,分類能力和學(xué)習(xí)速度等方面的優(yōu)點(diǎn),被廣泛應(yīng)用于各個領(lǐng)域,包括圖像處理,交通

8、預(yù)測,語音識別等方面.文獻(xiàn)【2]和文獻(xiàn)[8】把RBF神經(jīng)網(wǎng)絡(luò)用于交通流的預(yù)測,證明此模型的有效性.在RBF網(wǎng)絡(luò)中,最重要的是選擇隱層函數(shù)的中心點(diǎn).目前主要的網(wǎng)絡(luò)中心選取法有隨機(jī)法,最小二乘法,聚類法等.蟻群算法作為一種分布式尋優(yōu)算法,展示了其優(yōu)良的搜索最優(yōu)解的能力,能夠應(yīng)用于各收稿日期:2009.04—28基金項目:國家863計劃