论文部分内容阅读
城市交通是一个复杂的大系统,在对城市交通进行实时自适应控制时往往需要预先知道各个路口的交通量,因此,交通流预测是实施实时自适应控制的重要环节。本文以城市道路网络中典型的干线多路口路段为研究对象,深入研究了交通流的特点,提出了一种Elman神经网络模型,因为该模型是一种动态回归神经网络模型,具有动态记忆能力,因而可在网络规模较小的情况下实现对交通流量的快速、准确预测。同时采用BP算法对模型进行权值修正。该方法提高了网络的训练速度和逼近精度。通过仿真算例,表明了该模型的有效性。