论文部分内容阅读
本文首先从自动控制角度认识交通流预测本质，深入分析了短时交通流存在的非线性、时变性和不确定性三个特性，指出应用径向基神经网络(RBF)和非参数回归方法(NPR)进行短时交通流预测的适用性。提出将径向基神经网络的输入端和训练数据重新进行选择，并且对网络的权值和阈值重新进行训练是保证交通流特性的关键，将此关键问题对应到算法中的两个重要参数：预测误差范围和最大神经元数目进行了预测结果分析说明。同样对于非参数回归方法中两个重要参数：近邻点个数和预测误差范围也做了预测结果分析。应用这两种方法对某一天进行了微观预测结果分析。预测结果说明，这两种方法都能够比较好地适应交通流特性，预测效果很好。