基于双线性递归神经网络的交通流量预测方法

为了提升城市道路智能交通控制和管理的合理性和有效性，从交通流时空特性角度出发，提出基于优化双线性递归神经网络的城市道路交通流量预测方法。该方法有效结合双线性多项式快速准确求解和递归神经网络的动态校准的特点，采用粒子群算法实现冗余神经元和权值的动态剪枝过程，提升了算法的收敛速度和预测精度。采用视频数据对算法进行训练和实验，并进行对比分析。结果表明：该方法能够实现对道路交通流量的准确预测，交通流量预测精度达到90％以上，满足实际交通管理和控制的数据精度要求，同时算法的收敛速度也有明显的改善。