matlab十字路口车流量仿真,基于高斯径向基函数神经网络的十字路口车流量预测...

２００６年３月

摘要：

采用径向基函数预测功能的神经网络，对十字路口的车流量进行实时预测，仿真实验结果表明使用该神经网络对交叉口车流量进行预测可以得到令人满意的结果。关键词：神经网络；径向基函数；十字路口；智能交通中图分类号：Ｓ２２０．３２Ｓ２１９．０３２．２

文献标识码：Ａ

文章编号：１６７３－３１４２(２００６)０３－００４１－０３

ＰｒｅｄｉｃｔｉｏｎｏｆＴｒａｆｆｉｃＦｌｏｗａｔＩｎｔｅｒｓｅｃｔｉｏｎＢａｓｅｄｏｎＲａｄｉａｌＢａｓｉｓＢＰＮｅｕｒａｌＮｅｔｗｏｒｋ

ＴａｎｇＹａｎＷａｎｇＨｏｎｇｂｏＷａｎｇＷａｎｘｉｎ

(ＭｅｃｈａｎｉｃａｌａｎｄＥｌｅｃｔｒｉｃａｌｏｆＤｅｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，ＳｈａｎｄｏｎｇＤｅｚｈｏｕ２５３００３，Ｃｈｉｎａ)

Ａｂｓｔｒａｃｔ：ＴｈｉｓｐａｐｅｒｉｍｐｒｏｖｅｓｔｒａｄｉｔｉｏｎａｌＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｔｏｆｏｒｅｃａｓｔｔｒａｆｆｉｃｆｌｏｗｉｎｔｉｍｅｂｙｕｓｉｎｇｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎ．Ｔｈｅｒｅｓｕｌｔｓｏｆｓｉｍｕｌａｔｉｏｎｔｅｓｔｓｈｏｗｔｈａｔｔｈｅｒａｄｉａｌｂａｓｉｓｎｅｕｒａｌｎｅｔｗｏｒｋｃａｎｂｅｕｓｅｄｔｏｆｏｒｅｃａｓｔｔｈｅｔｒａｆｆｉｃｆｌｏｗｏｆｉｎｔｅｒｓｅｃｔｉｏｎ，ａｎｄｃａｎｇｅｔｓａｔｉｓｆｙｉｎｇｅｆｆｅｃｔ．

ＫｅｙＷｏｒｄｓ：ｎｅｕｒａｌｎｅｔｗｏｒｋ；ｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎ；Ｉｎｔｅｒｓｅｃｔｉｏｎ；Ｉｎｔｅｌｌｉｇｅｎｔｔｒａｆｆｉｃｓｙｓｔｅｍ

基于高斯径向基函数神经网络的十字路口车流量预测

唐艳

王洪博

王万新

(德州学院机电系山东德州２５３００３)

收稿日期：２００６－０１－２０

作者简介：唐艳(１９７１－)，女，山东德州人，硕士，讲师，主要从事控制工程及楼宇自动化方面的研究。

０引言

对某一十字路口在下一周期内的车流量进行预测，特别是在交通流高峰到来之前做出预测，进而采取及时的措施并通过交通控制系统削减交通流高峰、避免拥堵的发生，是ＩＴＳ智能交通系统(ＩｎｔｅｌｌｉｇｅｎｔＴｒａｆｆｉｃＳｙｓｔｅｍ)对城市道路进行智能化管理中一个重要的环节。但是，由于交通车流具有非线性、很大的不确定性、随机性和离散性，以常规数学模型为基础建立的十字路口车流量预测算法在预测精度和实时性方面还存在不少问题，这在一定程度上限制了智能交通系统管理和协调控制城市交通的能力。本文根据实地调查的数据，采用ＲＢＦ径向基函数网络进行训练，然后对交叉口下一个时间段内的车流量进行预测，仿真实验结果取得了满意的结果。

１径向基函数的理论依据

径向基函数网络简称ＲＢＦ(ＲａｄｉａｌＢａｓｉｓ

Ｆｕｎｃｔｉｏｎｓ)，不同于传统的ＢＰ神经网络。该方法计算

格式简单，节点配置灵活，计算工作量小，克服了ＢＰ学习速度慢、易陷入局部极小和运算迭代量大等缺点，在函数的逼近能力、

分类能力和学习速度等方面均优于ＢＰ网络。因此，这种网络的研究和应用正越来越受重视。

１．１ＲＢＦ神经网络的拓扑结构

ＲＢＦ神经网络的结构与ＢＰ网络类似，是一种三层前馈网络。网络的拓扑结构如图１所示。

农业装备与车辆工程

ＡＧＲＩＣＵＬＴＵＲＡＬＥＱＵＩＰＭＥＮＴ＆ＶＥＨＩＣＬＥＥＮＧＩＮＥＥＲＩＮＧ

２００６年第３期(总第１７６期)Ｎｏ．３２００６

(Ｔｏｔａｌｌｙ１７６)

图１ＢＰ神经网络的结构

?４１?