交通量预测的神经网络集成方法

首次将神经网络集成技术引入交通量预测。神经网络集成通过训练多个神经网络并将各网络输出进行合成,可显著提高学习系统的泛化能力。在Boosting和Bagging集成方法的基础上,提出基于分治策略的神经网络集成方法,并且讨论了网络权重分配算法。使用上述三种神经网络集成预测模型,对苏州某交叉口实时交通量进行预测,预测结果比较理想,优于单一神经网络预测方法。实验表明,神经网络集成用于交通量预测是有效可行的。     

交通法规知识库系统的设计

章讨论了交通法规知识库系统的设计思想和系统结构。系统采有广泛使用的产生式系统实现，并对基本的产生式系统作了一些改进，知识库由规则库和已定案例库组成，推理采用二级推理。并针对系统实际存在的问题，给出了解决的方法。