10.3321/j.issn:1671-1637.2006.03.020
高速公路动态交通流Elman神经网络模型
为了提高高速公路交通流建模的精度,分析了离散的高速公路动态交通流数学模型,基于Elman网络原理,建立了回归神经网络交通流模型.回归神经网络的输入层、上下文层、隐含层和输出层的节点数目分别选为8、30、30和2,采用Levenberg-Marquardt算法对回归神经网络进行训练,并对一条5路段的高速公路进行仿真.结果表明:回归神经网络平均相对误差为8.683 7×10-5,最大相对误差为4.237 1×10-4,与BP神经网络和RBF神经网络相比较,Elman回归神经网络能更好地逼近交通流数学模型,真实地描述交通流基本特性,能准确地建立动态交通流模型,适应交通状况的变化.
交通规划、动态交通流、回归神经网络、建模、比较
6
U491.112(交通工程与公路运输技术管理)
广东省自然科学基金06300326
2006-11-07（万方平台首次上网日期，不代表论文的发表时间）
共5页
92-96
