论文部分内容阅读
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。