文献类型：期刊文章

作　　者：牟振华[1] 李克鹏[1] 申栋夫[1]

MU Zhen-hua;LI Ke-peng;SHEN Dong-fu(School of Transportation,Shandong Jianzhu University,Jinan 250101,China)

机构地区：[1]山东建筑大学交通工程学院,济南250101

出　　处：《科学技术与工程》

基　　金：教育部人文社科基金(19YJC630124);山东省研究生教育质量提升计划(SDYKC18081)。

年　　份：2020

卷　　号：20

期　　号：33

起止页码：13881-13886

语　　种：中文

收录情况：BDHX、BDHX2017、RCCSE、ZGKJHX、核心刊

摘　　要：在短时间内准确、稳定地预测出交通流量,是实现智能交通控制系统的重要环节,对于交叉口信号控制方案的实时调整具有重要意义。鉴于此,提出一种WD-BNN小波降噪与贝叶斯神经网络(wavelet denoising-Bayesian neural network,WD-BNN)联合模型的预测方式,引入平均绝对百分比误差(mean absolute percentage error,MAPE)和标准误差(root mean square error,RMSE)作为模型评价指标,从精度和稳定性两个方面对模型进行评价。结果表明:在5、10、15 min不同时间预测尺度下,WD-BNN联合模型的MAPE和RMSE均小于小波网络、贝叶斯网络、列文伯格-马夸尔特(Levenberg-Marquardt,L-M)网络等方法,短时交通流量预测结果的精度和稳定性得到了不同程度的提高。

关 键 词：小波降噪 贝叶斯神经网络 短时交通流预测

分 类 号：U491.1[物流管理与工程类]