基于FOA-RBF网络的城市道路短时交通流预测

为了提高城市道路短时交通流预测的时效性、准确性，提出一种基于果蝇优化算法（Fruit Fly Optimization Algorithm，FOA）的径向基（Radial Basis Function，RBF）网络预测方法，简称FOA-RBF网络。以交通数据的混沌特性为依据，对短时交通流时间序列进行相空间重构，在相空间中构造混沌模型，凭借FOA算法对参数空间的探索能力，优化RBF网络的超参数，以此建立FOA-RBF网络。在城市道路数据上对FOA-RBF网络的有效性进行验证，实验结果表明，FOA-RBF网络在精度上有较大提升，并在处理大数据方面表现出较好的性能。