论文部分内容阅读
交通拥堵汽车流量的准确预测，能够有效改善现有的道路网络的通行能力。对车流量的预测，需要利用模糊推理系统将交通流分为不同的模糊集，给出模糊隶属度函数，完成交通拥堵汽车流量的预测。传统方法先选出相关性较高的道路断面，得到路网空间关系归一化约束矩阵，但忽略了给出交通隶属度函数，导致预测精度偏低。提出基于模糊神经网络的拥堵汽车流量预测方法。将神经网络和自适应卡尔曼滤波模型相结合，组建拥堵汽车流量预测模型，将任意时刻的交通流预测期望值作为模型的输入，将实际预测误差作为模型的输出，利用模糊推理系统将交通流分为不同的模