交通事故引起的拥堵蔓延模糊神经网络预测方法与实例分析

摘要

本文提出一种模糊神经网络预测系统(FNNPS)的智能预测方法为交通决策者提供技术支持.FNNPS采用模糊计算以处理不同的异构输入数据源,这些数据源包括路网的静态结构 变量、实时交通流信息(例如5分钟间隔的平均流量和速度)、以及涵盖事故地点、类型和严重程度等的事故报告.整个预测系统给出预测结果具有线性时间复杂度.FNNPS采用输入信息模糊隶属函数数量和模糊神经网络系统再训练的频率作为系统参数,能够更好地拟合交通事故引起的拥堵变化规律,在北京繁华区域的实例预测结果展示了对拥堵蔓延过程的较好预测.