论文部分内容阅读
针对交通系统非线性、复杂性，交通状态时变性和模糊性的特点，本文提出了非线性处理、模式分类能力较强的概率神经网络(PNN)交通状态判别方法.以重庆市渝鲁大道为例，以流量、占有率为输入变量，由模糊聚类分析确定类别，由视频随机选取不同交通状态下的训练及验证数据，经处理后由Matlab7.0神经网络工具箱来训练、验证PNN网络模型，并随机选取测试样本由PNN网络模型进行交通状态预测.为进一步理解PNN网络在交通状态预判中的效果，本文将PNN网络模型与自组织神经网络(SONN)模型在交通状态判别方面进行了比较分析.仿真分析表明：基于PNN的交通状态判别在模型训练速度、交通状态判别精度方面明显优于SONN网络模型.