文献类型：期刊文章

作　　者：张德干[1,2] 杨鹏[1,2] 张捷[3] 高瑾馨[1,2] 张婷[1,2]

ZHANG De-gan;YANG Peng;ZHANG Jie;GAO Jin-xin;ZHANG Ting(Key Laboratory of Computer Vision and System,Ministry of Education,Tianjin University of Technology,Tianjin 300384,China;Tianjin Key Lab of Intelligent Computing&Novel Software Technology,Tianjin University of Technology,Tianjin 300384,China;School of Electronic and Information Engineering,Beijing Jiaotong University,Beijing 100044,China)

机构地区：[1]天津理工大学计算机科学与工程学院计算机视觉与系统教育部重点实验室,天津300384 [2]天津理工大学计算机科学与工程学院智能计算及软件新技术天津市重点实验室,天津300384 [3]北京交通大学电子信息工程学院,北京100044

出　　处：《计算机科学》

基　　金：国家自然科学基金(61571328);天津市重大科技专项(15ZXDSGX00050,16ZXFWGX00010);天津市科技支撑重点项目(17YFZCGX00360);天津市自然科学基金重点项目(18JCZDJC96800);天津市科技创新团队项目(TD12-5016,2015-23)。

年　　份：2020

卷　　号：47

期　　号：S02

起止页码：327-333

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：文中提出一种基于量子粒子群优化策略的车联网交通流量预测算法。根据交通流量数据特征建立对应模型,将遗传模拟退火算法应用到量子粒子群算法中得到优化的初始聚类中心,并将优化后的算法应用于径向基神经网络预测模型的参数优化,通过径向基神经网络的高维映射得到所需预测的数据结果。另外,将所提算法与QPSO-RBF等其他相关算法进行了比较研究。仿真结果显示,相比于其他算法,所提算法能够降低预测误差,得到更好、更稳定的预测结果。

关 键 词：交通流量预测 神经网络 遗传模拟退火 量子粒子群

分 类 号：TP301]