广西师范大学学报（自然科学版） ›› 2019, Vol. 37 ›› Issue (2): 1-8.doi: 10.16088/j.issn.1001-6600.2019.02.001

• •    下一篇

基于改进萤火虫算法优化BP神经网络的路网速度分布预测

许伦辉*, 陈凯勋   

  1. 华南理工大学土木与交通学院,广东广州510641
  • 收稿日期:2018-06-22 出版日期:2019-04-25 发布日期:2019-04-28
  • 通讯作者: 许伦辉(1965—),男,江西南康人,华南理工大学教授,博士。E-mail:lhx_scut@163.com
  • 基金资助:
    国家自然科学基金(61263024);广东省自然科学基金(2015A030313797)

Prediction of Road Network Speed Distribution Based on BP Neural Network Optimization by Improved Firefly Algorithm

XU Lunhui*, CHEN Kaixun   

  1. School of Civil Engineering and Transportation, South China University of Technology, Guangzhou Guangdong 510641, China
  • Received:2018-06-22 Online:2019-04-25 Published:2019-04-28

PDF (PC)

412

摘要： 浮动车数据的挖掘是目前交通领域广泛使用的研究手段之一,基本的BP神经网络也多被用于交通流的预测研究。本文引入小波变换将低频信号和高频信号进行分解和重构,结合改进萤火虫算法寻优速度快、收敛率高的特点对基本的BP神经网络进行优化,构建了路网交通流速度的预测模型。利用城市路网浮动车真实数据对模型进行训练并通过测试数据对模型预测结果进行实证分析,证明模型对特定时刻路网交通流速度预测的准确性相比于基本BP神经网络算法有46.56%的提升,对路网24 h内交通流速度预测的稳定性有39.08%的提升。

关键词: 浮动车数据, 小波变换, 萤火虫算法, BP神经网络, 速度预测

Abstract: The mining of floating car data is one of the research methods widely used in the transportation field. The basic BP neural network is also used for the prediction of traffic flow. In this paper, wavelet transform is used to decompose and reconstruct the low-frequency signal and high-frequency signal. Combining improved Firefly Algorithm to optimize basic BP neural network, a prediction model of speed of road network traffic flow is constructed. The model is trained by using the floating car data of urban road network and the model prediction results are empirically analyzed by the test data. It is proved that the accuracy of the model for the traffic velocity prediction of the road network at a specific moment is 46.56% higher than that of the BP neural network algorithm and the stability of the forecast of traffic flow speed within 24 hours of the road network increases by 39.08%.

Key words: floating car data, wavelet transform, Firefly Algorithm, BP neural network, speed prediction

中图分类号: 

  • U491.112
[1] BEZUGLOV A, COMERT G. Short-term freeway traffic parameter prediction: application of grey system theory models[J]. Expert Systems with Applications, 2016, 62:284-292.
[2] YIN Y, SHANG P. Forecasting traffic time series with multivariate predicting method[J]. Applied Mathematics & Computation, 2016, 291:266-278.
[3] CHENG A, JIANG X, LI Y, et al. Multiple sources and multiple measures based traffic flow prediction using the chaos theory and support vector regression method[J]. Physica A Statistical Mechanics & Its Applications, 2016, 466:422-434.
[4] YUAN P C, LIN X X. How long will the traffic flow time series keep efficacious to forecast the future?[J]. Physica A Statistical Mechanics & Its Applications, 2017, 467:419-431.
[5] 张洪宾, 孙小端, 贺玉龙. 短时交通流复杂动力学特性分析及预测[J]. 物理学报, 2014, 63(4):51-58.
[6] 许伦辉, 游黄阳. 基于特性和影响因素分析的短时交通流预测[J]. 广西师范大学学报(自然科学版), 2013, 31(1):1-5.
[7] 姜桂艳, 常安德, 牛世峰,等. 基于BP神经网络的交通数据序列动态可预测性分析方法[J]. 北京工业大学学报, 2011,37(7):1019-1026.
[8] 尚宁, 覃明贵, 王亚琴,等. 基于BP神经网络的路口短时交通流量预测方法[J]. 计算机应用与软件, 2006, 23(2):32-33.
[9] 李松, 刘力军, 解永乐. 遗传算法优化BP神经网络的短时交通流混沌预测[J]. 控制与决策, 2011, 26(10):1581-1585.
[10] 卢守峰,杨兆升,刘喜敏.基于复杂性理论的城市交通系统研究[J]. 吉林大学学报(工学报), 2006,36(3):153-156.
[11] 许伦辉, 吴彩芬, 邝先验,等. 基于层次分析的交通状态模糊综合评价方法[J]. 广西师范大学学报(自然科学版), 2015,33(2):1-8.
[12] 张平,潘学萍,薛文超.基于小波分解模糊灰色聚类和BP神经网络的短期负荷预测[J].电力自动化设备,2012,32(11):121-125.
[13] 陈锦, 罗晓曙. 一种新的基于小波变换的QPSK信号解调方法[J]. 广西师范大学学报(自然科学版), 2016, 34(2):35-45.
[14] SHINDO T, XIAO J Z, KURIHARA T, et al. Analysis of the dynamic characteristics of Firefly Algorithm[J]. International Journal of Swarm Interlligence Research, 2017,8(4):18-33.
[15] 王吉权, 王福林. 萤火虫算法的改进分析及应用[J]. 计算机应用, 2014, 34(9):2552-2556.
[16] CHEN M J. An improved BP neural network algorithm and its application[J]. Applied Mechanics and Materials, 2014, 543-547:2120-2123.
[1] 刘欣, 罗晓曙, 赵书林. 基于BP神经网络的三轴增稳云台自抗扰控制[J]. 广西师范大学学报（自然科学版）, 2020, 38(2): 115-120.
[2] 钟海鑫, 丘森辉, 罗晓曙, 唐堂, 杨力, 赵帅. 基于附加惯性项BP神经网络的四旋翼无人机姿态控制研究[J]. 广西师范大学学报（自然科学版）, 2017, 35(2): 24-31.
[3] 彭新建,翁小雄. 基于萤火虫算法优化BP神经网络的公交行程时间预测[J]. 广西师范大学学报（自然科学版）, 2017, 35(1): 28-36.
[4] 陈锦, 罗晓曙. 一种新的基于小波变换的QPSK信号解调方法[J]. 广西师范大学学报（自然科学版）, 2016, 34(2): 35-45.
[5] 周克良, 邢素林, 聂丛楠. 基于自适应阈值小波变换的心音去噪方法[J]. 广西师范大学学报（自然科学版）, 2016, 34(1): 19-25.
[6] 陈锦, 罗晓曙. 基于小波变换与野草算法的细胞图像特征提取与识别[J]. 广西师范大学学报（自然科学版）, 2015, 33(2): 22-28.
[7] 胡沁春, 何怡刚, 何静. 基于开关电流电路的时域高斯类小波变换实现[J]. 广西师范大学学报（自然科学版）, 2013, 31(4): 18-22.
[8] 黄晶, 罗晓曙. 神经网络在输电线覆冰增长因素中的应用[J]. 广西师范大学学报（自然科学版）, 2011, 29(4): 25-27.
[9] 周炎岩, 冯嘉礼. 基于定性映射的数字音频水印算法[J]. 广西师范大学学报（自然科学版）, 2011, 29(2): 200-204.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 广西师范大学学报（自然科学版）编辑部
地址：广西桂林市三里店育才路15号　邮编：541004
电话：0773-5857325　E-mail: gxsdzkb@mailbox.gxnu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发