基于LVQ神经网络的交通拥堵预测研究沈小军

合集下载

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

基于L V Q神经网络

的交通拥堵预测研究

沈小军陈峻王晨

东南大学，交通学院，南京 210096

摘要：面对大量的交通参数数据，如何快速建立高效的分类预测模型以尽快地对拥堵状态进行判别是一个重要的问题。本文利用检测器提供的车速、流量和占有率等相关参数信息，提出了基于学习向量量化(LVQ)神经网络的交通拥堵预测模型。通过使用Matlab7.3数学软件的神经网络工具箱对该神经网络不断地训练，最终可以对道路正常状态和拥堵状态进行分类，通过交通流参数数据的输入预测出路段交通拥堵状况。最后，给出算例进行网络训练和测试，训练结果表明，运用该算法进行交通拥堵预测取得了良好的效果，具有一定的现实意义。

关键词：学习向量量化神经网络；交通拥堵；预测；Matlab

中图分类号：U491.2+65 文献标识码：A 文章编号：1672-4747（2009）03-0097-06

Prediction of Traffic Congestion

Based on L VQ Neural Network

SHEN Xiao-Jun CHEN Jun WANG Chen

School of Transportation，Southeast University，

Nanjing 210096，China

Abstract：For a large number of traffic parameter data, it is an important issue that how to set up an efficient model of classification and prediction to identify the congestion state as soon as possible. The article provided a model to predict traffic congestion based on the learning vector quantization neural network by using the traffic parameters such

收稿日期：2008-11-26.

基金项目：“十一五”国家科技支撑计划（2006BAJ18B01）和国家高技术研究发展计划（2008AA11Z201）。

作者简介：沈小军（1985−），男，江苏海门人，东南大学交通学院硕士研究生，研究方向为交通规划与管理。

交通运输工程与信息学报 2009年第3期

98 = 输入向量元素的数目；

S = 竞争层神经元的数目； = 线性层神经元的数目

输入竞争层竞争层

线性层

基于LVQ神经网络的交通拥堵预测研究沈小军等

交通运输工程与信息学报 2009年第3期检测器1 检测器2

100

基于LVQ神经网络的交通拥堵预测研究沈小军等

图4 训练曲线

Fig.4 LVQ training curve

网络的输出来实现的。随机输入一组正常状态下的

维数据向量进行测试，程序如下：P = [81; 11; 0.13; 74;

12; 0.06]；a = vec2ind(sim(net,p))

结果显示a = 1，属于第一类，这与事实是符合的。

测试表明，对于训练好的网络能够得到很好的预测结

101

交通运输工程与信息学报 2009年第3期

106

基于LVQ神经网络的交通拥堵预测研究 沈小军

基于LVQ神经网络的交通拥堵预测研究沈小军