发明名称 |
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。 |
申请公布号 |
CN102610092A |
申请公布日期 |
2012.07.25 |
申请号 |
CN201210080038.5 |
申请日期 |
2012.03.23 |
申请人 |
天津大学 |
发明人 |
吴昊;王文俊 |
分类号 |
G08G1/00(2006.01)I;G06N3/02(2006.01)I |
主分类号 |
G08G1/00(2006.01)I |
代理机构 |
天津市北洋有限责任专利代理事务所 12201 |
代理人 |
程毓英 |
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。 |
地址 |
300072 天津市南开区卫津路92号 |