Resumen

La previsión del flujo de tráfico urbano es importante para los desarrollos e implementaciones de sistemas de transporte inteligente (ITS). La precisa previsión del flujo de tráfico será de gran ayuda para aliviar la congestión del tráfico en las carreteras. La precisión del modelo único tradicional sin mecanismo de corrección es baja. Resumiendo los modelos de predicción existentes y considerando las características del tráfico en sí, se propuso un modelo de predicción de flujo de tráfico basado en el método de agrupamiento fuzzy -mean (FCM) y una red neuronal avanzada (NN). FCM puede mejorar la precisión de la predicción y la robustez del modelo, mientras que NN avanzada puede optimizar la capacidad de generalización del modelo. Además, el valor de salida del modelo se calibra mediante un mecanismo de corrección. Los resultados experimentales muestran que el método propuesto tiene una mejor precisión de predicción y robustez que los otros modelos.

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Pronóstico; Flujo de tráfico urbano; Sistema de transporte inteligente; Modelos de predicción; Método de agrupamiento de promedio difuso; Red neuronal
• Keywords:Forecasting; Urban traffic flow; Intelligent transportation system; Prediction models; Fuzzy -mean clustering method; Neural network