作　　者： ; ;

机构地区： 北京工业大学交通工程北京市重点实验室

出　　处： 《交通科学与工程》 2009年第3期85-89,100,共6页

摘　　要： 根据实测数据,分析了城市互通立交交通流运行特性,研究了城市互通立交主线总交通量、交织流量比和第2车道大型车比例3种因素对合流区端部交通量的影响,应用神经网络原理建立了输入层为3个神经元,输出层为1个神经元的RBF神经网络,研究了该RBF神经网络的训练算法,应用实测数据进行了网络训练,对训练后的网络进行了仿真.仿真输出结果与实测数据之间的误差很小,证明应用RBF神经网络对互通立交合流区的短时交通量进行预测是一种可行的方法.此研究为分析互通立交内各功能区之间的相互影响,为研究互通立交桥的预先控制和运行状态分析提供了理论参考. The influence of the total traffic volume of main-line, the ratio of weaving traffic vol- ume to total traffic volume, and the heavy vehicle proportion in the second lane of interchange on the traffic volume of merging area are studied. RBF artificial neural networks with three in- put nerve cells and one output nerve cell are built. The training algorithm of the RBF neural network is studied, and the RBF neural network is trained according to the field data, then the RBF neural network is simulated and verified by the other actual data, the error between the simulating data and the actual data is very small. Therefore, so it is feasible to forecast the short-term traffic volume of emerging area in urban interchange based on RBF neural networks. The research result is useful to the control and the management of the urban interchange.

关 键 词： 交通工程 预测 神经网络 交通量

领　　域： [交通运输工程] [交通运输工程]