基于FOA-RBF网络的城市道路短时交通流预测

为了提高城市道路短时交通流预测的时效性、准确性,提出一种基于果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)的径向基(Radial Basis Function,RBF)网络预测方法,简称FOA-RBF网络。以交通数据的混沌特性为依据,对短时交通流时间序列进行相空间重构,在相空间中构造混沌模型,凭借FOA算法对参数空间的探索能力,优化RBF网络的超参数,以此建立FOA-RBF网络。在城市道路数据上对FOA-RBF网络的有效性进行验证,实验结果表明,FOA-RBF网络在精度上有较大提升,并在处理大数据方面表现出较好的性能。