基于RBF神经网络城市道路速度预测方法

摘要

本发明属于智能交通领域，涉及一种基于RBF神经网络城市道路速度预测方法，包括：针对某条道路，采集原始数据，获取该条道路的车辆速度数据；将原始数据整合成神经网络训练所需的训练样本集和测试样本集；做S型函数标准化处理；构建RBF神经网络；利用训练样本集，训练RBF神经网络；用于道路速度预测的RBF网络；对于测试样本集里的测试样本，运行网络仿真函数，得到对应的道路速度仿真预测结果；根据道路速度仿真预测结果和测试输出样本计算出测试集的误差，与预设误差进行比较，若目前误差大于预设误差，则改变网络训练函数参数并重新训练RBF网络。本发明能够实现对城市道路速度高效、准确的预测。

主权项

一种基于RBF神经网络城市道路速度预测方法，包括下列步骤：1)针对某条道路，采集原始数据，获取该条道路的车辆速度数据；2)将原始数据整合成神经网络训练所需的训练样本集和测试样本集；3)对以上数据均做S型函数标准化处理，得到样本数据在[0.5，1]中的良好分布；4)对于RBF的输入层和输出层，分别确定神经元个数，对隐藏层采用MATLAB内置函数，构建RBF神经网络；5)利用训练样本集，训练RBF神经网络；6)设置MATLAB训练神经网络函数的初始参数；7)使用神经网络训练函数，训练得到一个用于道路速度预测的RBF网络；8)对于测试样本集里的测试样本，运行网络仿真函数，得到对应的道路速度仿真预测结果；9)根据道路速度仿真预测结果和测试输出样本计算出测试集的误差，与预设误差进行比较，若目前误差大于预设误差，则改变网络训练函数参数并返回(5)，重新训练RBF网络；否则结束本步骤进入下一步，或者当训练次数达到预设训练次数最大值，亦进入下一步；10)生成较优RBF网络，用于进行真实道路速度预测。