[发明专利]一种基于GMDH神经网络的交通车流量预测方法

摘要

本发明涉及一种基于GMDH神经网络的交通车流量预测方法，包括GMDH神经网络离线车流量训练和GMDH神经网络在线车流量实时预测。本发明的有益效果是本方法使用GMDH神经网络算法对交通路口的车流量进行预测，一般的预测方法在处理大体量的数据过程中有时间长，准确率低等缺点，较难实现交通流量实时预测的要求；由于GMDH神经网络具有强大的逼近能力，可以将车流量的预测分成离线学习和在线预测两个部分在离线学习环节结合大量的数据，通过进行神经网络的训练，学习车流量变化的规律；在在线预测部分通过调用已学习完毕的神经网络，快速有效的对车辆的通行状态进行实时预测。

主权项

一种基于GMDH神经网络的交通车流量预测方法，其特征在于，包括如下步骤：1)、GMDH神经网络离线车流量训练1.1)、读取车辆通行历史数据；历史数据依据车辆道路上的智能摄像头采集，具体包括通过车辆的速度、车辆车牌号信息；1.2)、确定智能摄像头工作正常，所采集的车辆数据是否正确；剔除车速过快，车辆车牌号识别有误，车辆前后行驶轨迹不符，幽灵车辆数据，1.3)、初始化GMDH神经网络；根据数据的采集频率和数据所采集的总天数，设定神经网络的结构，神经网络的维度与数据量的大小成正比，确保神经网络预测的准确性；1.4)、进行神经网络的训练；使用梯度下降法对神经网络的权值和偏置进行调整，通过多次遍历神经网络的每一层实现神经网络的训练；1.5)、保存最优的训练结果；在神经网络训练结束后，应将神经网络的结构，权值和偏置进行保存，从而用于步骤2)的在线车流量实时预测；2)、GMDH神经网络在线车流量实时预测2.1)、读取车辆通行历史数据；历史数据依据车辆道路上的智能摄像头采集，具体包括通过车辆的速度、车辆车牌号信息；2.2)、确定智能摄像头工作正常，所采集的车辆数据是否正确；剔除车速过快，车辆车牌号识别有误，车辆前后行驶轨迹不符，幽灵车辆数据；2.3)、根据步骤1)中确定的神经网络结构来初始化GMDH神经网络；2.4)、进行神经网络的预测；使用先前步骤1)获得的神经网络的结构，权值和偏置对实时的车流量进行预测；2.5)、输出结果，用于对交通情况进行控制。