科研之友
微信
新浪微博
Facebook
分享链接
摘要
交通流量预测是智能交通系统不可或缺的重要环节,针对传统BP神经网络模型在预测精度方面的不足,将Adaboost算法融入传统BP神经网络模型,从而构建BP-Adaboost预测模型,对交通流量进行预测分析。应用交叉口15个工作日的样本数据进行交通流量预测的实例分析,分别从全天候24小时与早高峰时段两个角度进行预测,同时选择四种误差评价指标对所构建的BP-Adaboost预测模型与传统BP神经网络模型的预测精度进行量化对比。结果表明,相比于传统BP神经网络模型,BP-Adaboost预测模型具备更优的模型预测精度,平均误差控制在6%以内,研究结果可为智能交通系统中的交通流量预测提供模型参考。
- 单位
