基于GSHS-WNN的短时交通流量预测*

沈桂芳

(安徽省公安教育研究院, 安徽 合肥 230000)

机动车数量的不断增加使得交通拥堵状况日趋严重，为了缓解交通拥堵、实现车辆的高效率通行，在智能交通[1]背景下的交通控制策略以及交通流智能化诱导显得十分必要，而交通流量的预测是智能交通控制环节中不可或缺的重要组成部分.因此，本文针对交通流量的预测问题进行研究.

目前的交通流预测研究中，一般时间跨度小于15分钟的预测称为短时交通流量预测，近年来不少学者对短时交通流量预测的算法展开了研究.其中，BP神经网络和小波神经网络模型应用较广.文献[2]基于人工蜂群算法优化小波神经网络的权值和阈值，构建了短时交通流量预测模型，并通过实验验证了模型的有效性.文献[3]将狼群算法与梯度下降算法结合，先对狼群算法进行改进，再利用改进的狼群算法为小波神经网络找到一组较优的权值和小波因子，基于优化的WNN预测短时交通流量.文献[4]采用差分进化算法优化人工蜂群算法，并用于优化小波神经网络的参数，进而应用于对短时交通流量的预测.文献[5]提出一种改进的粒子群算法优化小波神经网络预测模型，并将模型应用于短期交通流量预测.以上这些研究在交通流量预测方面取得了一些进步，由于交通流量数据的复杂性、强非线性以及不确定性，单一模型难以全面准确地对其进行预测，而组合的预测模型能够取得更好的效果……