基于神经网络的路口交通流转向比预测

为了预测路口交通信号控制所需的转向交通流量，提出了基于改进BP（back-propagation）神经网络的路口交通流转向比预测模型，给出了相应参数的计算方法；采用自适应学习率和动量梯度下降法以提高神经网络的学习速度和算法的可靠性，并用调查数据对模型进行了检验．研究结果表明，与传统的平均值法相比，用所提出的模型，平均绝对相对误差减小约1％～3％．