%0 Journal Article
%T 基于数据挖掘的交通流预测模型
%A 闫 伟
%A 刘云岗
%A 王桂华
%A 高 琦
%J 系统工程理论与实践
%D 2010
%I 
%X 通过对道路交通流变化规律和影响因素的分析,提出了一种新的交通流预测模型.首先,鉴于模糊聚类方法易陷入局部最优解及运算速度慢的缺点,采用蚁群算法中pij(t)改进模糊聚类分析;然后以最拥挤时间段的25个点交通流数据、天气数据以及天类别数据为指标,将历史数据聚分成若干簇团,并采用动量BP神经网络针对每一簇团建立相应的预测模型.对实际数据进行预测分析的结果表明:该模型不仅对普通工作日有较高的预测精度,对双休日、节假日和一些特殊情况(雨雪天气)也有较好的预测精度.
%K 蚁群算法
%K 模糊聚类
%K 动量BP神经网络
%K 交通流预测
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=01BA20E8BA813E1908F3698710BBFEFEE816345F465FEBA5&cid=962324E222C1AC1D&jid=1D057D9E7CAD6BEE9FA97306E08E48D3&aid=8EAAB3269B3E1E2E6B3AA369B0406023&yid=140ECF96957D60B2&vid=340AC2BF8E7AB4FD&iid=DF92D298D3FF1E6E&sid=7E01AF4ED17ED9B3&eid=E84660E787B699A9&journal_id=1000-6788&journal_name=系统工程理论与实践&referenced_num=0&reference_num=10