基于麻雀搜索和模糊学习策略的车位预测方法
针对目前诱导系统存在数据不同步性,时间差存在滞后问题,该文提出一种基于麻雀优化神经网络的泊位预测方法.首先,结合小波分析对时间序列进行分解重构;其次,建立一种优化的BP神经网络模型,通过麻雀算法对BP的权值进行不断调整以克服局部最优.同时,引入动态模糊学习策略,使最优解的邻域发生微小变化,避免陷入局部最优,并改进得到的解的质量.利用某停车场历史数据对所提算法进行有效性验证.实验表明,所提算法平均绝对误差(MAE)和均方根误差(RMSE)分别为6.2230、4.6295,准确度均优于其他智能优化模型,能够有效预测剩余车位.
麻雀算法、泊位诱导、模糊学习、智能交通
48
TP241.2;TB9(自动化技术及设备)
2022-12-15（万方平台首次上网日期，不代表论文的发表时间）
共5页
101-105
