一种基于改进OLF-Elman神经网络的最优路径预测方法

作者：丁中俊; 周蕴苇; 丁建勋; 郭宁; 朱孔金; 龙建成

来源：2022-04-21, 中国, ZL202210424091.6.

本发明公开了一种基于改进OLF-Elman神经网络的最优路径预测方法,是应用于用户终端和后台所形成的系统中,并包括：1、后台收集真实场景下的当前城市的历史车流数据并作为原始数据；2、构建改进OLF-Elman神经网络并使用原始数据对其进行训练；3、训练直至误差小于某一给定范围或者达到最大迭代次数则停止训练,完成构建改进OLF-Elman神经网络；4、后台根据用户终端发送的信息进行分析处理,通过改进OLF-Elman神经网络预测得到输出结果并发送给用户终端；5、用户根据用户终端上的输出结果选择合适的路径完成行驶。本发明能通过改进OLF-Elman神经网络来实现最优路径预测,并能提高预测精度。

• 单位
  合肥工业大学