文献类型：期刊文章

作　　者：张文胜[1,2] 郝孜奇[1] 朱冀军[3] 杜甜添[4] 郝会民[5]

ZHANGWen-sheng;HAO Zi-qi;ZHU Ji-jun;DU Tian-tian;HAO Hui-min(School of Traffic and Transportation,Shijiazhuang Tiedao University,Shijiazhuang 050043,China;Traffic Safety and Control Laboratory of Hebei Province,Shijiazhuang 050043,China;Hebei Provincial Communications Planning and Design Institute,Shijiazhuang 050011,China;Tianjin Rail Transit Operation Group Co.Ltd,Tianjin 300222,China;Shijiazhuang Transportation Management Office,Shijiazhuang 050011,China)

机构地区：[1]石家庄铁道大学交通运输学院,石家庄050043 [2]河北省交通安全与控制重点实验室,石家庄050043 [3]河北省交通规划设计院,石家庄050011 [4]天津轨道交通运营集团有限公司,天津300222 [5]石家庄市勘察测绘设计研究院,石家庄050011

出　　处：《交通运输系统工程与信息》

基　　金：河北省科技计划重点项目(18390324D);石家庄市科技计划项目(181130034A,191260411A).

年　　份：2020

卷　　号：20

期　　号：2

起止页码：196-203

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：准确的短时交通流预测是交通控制和交通诱导的依据.提出一种基于改进灰狼算法(TGWO)优化BP神经网络的短时交通流预测模型(TGWO-BP),有效提高短时交通流预测精度.针对标准灰狼算法(GWO)收敛速度慢,容易陷入局部极值的问题,提出一种自适应递减的收敛因子,使灰狼算法区分全局搜索和局部搜索;改进灰狼个体的位置更新公式,引入惯性权重,调节惯性权重大小使灰狼算法具有跳出局部极值的能力;对比分析TGWO-BP、GWOBP、PSO-BP、BP这4种短时交通流预测模型,结果显示,TGWO-BP的短时交通流预测模型误差为10.03%,达到较好的预测精度.

关 键 词：智能交通 短时交通流预测 改进灰狼算法(TGWO)  BP神经网络 收敛因子  惯性权重

分 类 号：U491.1[物流管理与工程类]