论文部分内容阅读
行程时间是体现道路交通拥堵状态的量化指标，是进行路径诱导和交通管理的重要基础，行程时间实时预测一直是智能交通系统研究的核心问题之一。本文提出利用径向基函数（RBF）神经网络方法对城市道路路段行程时间进行建模预测，并结合线圈和视频实测数据进行仿真分析，以实际行程时间和模型输出的行程时间预测值比较验证了模型的合理性，并将RBF神经网络方法与BP神经网络方法进行比较，结果表明RBF神经网络相对于BP神经网络训练时间短，且预测精度更高。