基于ANFIS混合模型的短时交通流预测

城市短时交通流预测可以帮助人们选择出行最优路线，提高出行效率，其研究在交通拥堵日益严重的今天十分必要.受天气等多种因素影响，短时交通流的精确预测比较困难，为改善短时交通流预测的精度，本文提出了一种基于自适应模糊推理系统（ANFIS）的混合模型.该混合模型用周期性知识模型及残差数据驱动ANFIS模型集成得到.为验证所提出的混合模型的性能，与倒向传播神经网络（BPNN）模型和普通ANFIS模型进行对比.实验结果证明混合模型在交通流预测方面有更好的适用性和准确度.