改进GA优化BP神经网络的短时交通流预测
第３８卷第１期
２０１５年１月合肥工业大学学报（自然科学版）JOURNAL OF HEFEI UNIVERSITY OF T ECHNOLOGY Vol ．３８No ．１ Jan ．２０１５ 收稿日期：２０１４‐０１‐０３；修回日期：２０１４‐０８‐１０
基金项目：国家自然科学基金重点资助项目（７１２３１００４）
作者简介：卢建中（１９８６－），男，安徽庐江人，合肥工业大学硕士生；
程 浩（１９７９－），男，安徽桐城人，博士，合肥工业大学讲师．doi ：１０．３９６９／j ．issn ．１００３‐５０６０．２０１５．０１．０２７
改进G A 优化B P 神经网络的短时交通流预测
卢建中， 程 浩
（合肥工业大学管理学院，安徽合肥 ２３０００９）
摘 要：为了提高BP 神经网络预测模型对短时交通流的预测准确性，文章提出了一种基于改进遗传算法优化BP 神经网络的短时交通流预测方法。由于模拟退火算法具有较强的局部搜索能力，能够在搜索过程中避免陷入局部最优解，因此引入模拟退火算法中的Metropolis 接受准则来增加遗传算法的局部搜索能力，避免了遗传算法过早收敛和陷入局部最优解。通过改进的遗传算法优化BP 神经网络的权值和阈值，然后训练BP 神经网络预测模型以求得最优解。仿真结果表明，该方法对短时交通流预测具有较好的预测精确性。关键词：交通流预测；BP 神经网络；遗传算法；模拟退火算法；Metropolis 接受准则
中图分类号：T P １８３；U ４９１ 文献标识码：A 文章编号：１００３‐５０６０（２０１５）０１‐０１２７‐０５
Short ‐term traffic flow forecast based on modified GA optimized BP neural network
LU Jian ‐zhong ， CHENG Hao
（School of M anagement ，Hefei U niversity of T echnology ，Hefei ２３０００９，China ）Abstract ：In order to improve the accuracy of short ‐term traffic flow forecast based on BP neural net ‐work prediction model ，a forecast method based on modified genetic algorithm （GA ）optimized BP neural network is proposed ．Because the simulated annealing （SA ）algorithm has strong local search ‐ing capability and can avoid getting into limited optimum solution in the searching process ，the M e ‐tropolis acceptance criteria in the SA algorithm is introduced to GA ，w hich effectively overcomes pre ‐mature convergence and getting into limited optimum solution ．T he modified genetic algorithm is used to optimize BP neural network ’s weights and thresholds ，then the BP neural network model is trained to obtain the optimal solution ．T he simulation results show that this method is accurate in short ‐term traffic flow forecast ．Key words ：traffic flow forecast ；BP neural network ；g enetic algorithm （GA ）；simulated annealing （SA ）algorithm ；M etropolis acceptance criteria
物联网被认为是继计算机、互联网与移动通
信之后的世界信息产业的又一次浪潮，而车联网
是物联网应用于智能交通领域的集中体现，也是
物联网的一个重点领域。车联网可以实现车与人
之间、车与车之间、车与基础设施之间信息通讯的
交换，但是组建车联网过程中还有一些关键的技
术问题需要研究，如RFID 技术、车联网新协议研发、智能交通等。其中智能交通是国内外学者研究的热点，而实时准确的交通流预测是智能交通的前提和关键。根据交通流预测的时间可以将交通流划分为短时交通流、中期和长期交通流，而短时交通流预测的实时性最强、反映最为快捷，因此实际应用也最为广泛。国内外学者针对短时交通流预测建立