蚁群决策算法在上下游短时交通流预测中的应用

doi:10.3778/j.issn.1002-8331.2009.06.058

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (6): 203-206.DOI: 10.3778/j.issn.1002-8331.2009.06.058

蚁群决策算法在上下游短时交通流预测中的应用

梅宏标^1,2,王坚¹,张慧哲¹

1.同济大学 CIMS研究中心，上海 201804
2.江西理工大学应用科学学院，江西赣州 341000

收稿日期:2008-01-14 修回日期:2008-03-13 出版日期:2009-02-21 发布日期:2009-02-21
通讯作者: 梅宏标

Application of ant colony decision rule algorithm for up-down short term traffic flow prediction

MEI Hong-biao^1,2,WANG Jian¹,ZHANG Hui-zhe¹

1.CIMS Research Centre，Tongji University，Shanghai 201804，China
2.Application Academy，Jiangxi University of Science and Technology，Ganzhou，Jiangxi 341000，China

Received:2008-01-14 Revised:2008-03-13 Online:2009-02-21 Published:2009-02-21
Contact: MEI Hong-biao

摘要/Abstract

摘要： 根据上下游短时交通流的特性，在深入研究蚁群算法的基础上，利用蚁群思想及决策树思想构造了蚁群决策算法，描述了该算法用于城市道路上下游短时交通流建模预测以及与决策树算法进行了对比，论证了其可行性，最后利用Matlab进行仿真，给出了仿真结果。

关键词: 蚁群算法, 交通流, 预测, 信息素, 数据挖掘

Abstract: The ant colony decision algorithm gets constructed based on the thoughts of ant colony algorithm and decision tree algorithm.And it is applied for the predicting models of up-down short term traffic flow prediction.Then the algorithm is proved compared with the decision tree algorithm，and at last，the simulation gets results.

Key words: ant colony algorithm, traffic flow, predication, pheromone, data mining

梅宏标^1,2,王坚¹,张慧哲¹. 蚁群决策算法在上下游短时交通流预测中的应用[J]. 计算机工程与应用, 2009, 45(6): 203-206.

MEI Hong-biao^1,2,WANG Jian¹,ZHANG Hui-zhe¹. Application of ant colony decision rule algorithm for up-down short term traffic flow prediction[J]. Computer Engineering and Applications, 2009, 45(6): 203-206.

[1]	黄冬宜，杨兵，吴子豪，匡佳一，颜泽明. 用于全市蜂窝流量预测的时空全连接卷积网络[J]. 计算机工程与应用, 2021, 57(9): 168-175.
[2]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[3]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[4]	杨力，吴义，魏德宾，潘成胜. 基于时空相关性的卫星网络流量预测[J]. 计算机工程与应用, 2021, 57(7): 101-106.
[5]	常昊，陈晓雷，张爱华，李策，林冬梅. 嵌入改进SENet的卷积神经网络连续血压预测[J]. 计算机工程与应用, 2021, 57(7): 130-135.
[6]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[7]	刘紫燕，袁磊，朱明成，马珊珊，陈霖周廷. 融合SPP和改进FPN的YOLOv3交通标志检测[J]. 计算机工程与应用, 2021, 57(7): 164-170.
[8]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[9]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[10]	宗晓萍，陶泽泽. 基于掌握速度的知识追踪模型[J]. 计算机工程与应用, 2021, 57(6): 117-123.
[11]	张睿，吴伯雄，张丽园，张博. 复杂场景下行人轨迹预测方法[J]. 计算机工程与应用, 2021, 57(6): 138-143.
[12]	杨丰玉，黄雅璇，周世健，郑巍. 结合多元度量指标软件缺陷预测研究进展[J]. 计算机工程与应用, 2021, 57(5): 10-24.
[13]	张倩玉，严冬梅，韩佳彤. 结合深度学习和分解算法的股票价格预测研究[J]. 计算机工程与应用, 2021, 57(5): 56-64.
[14]	李硕，梁毅. 面向Spark的批处理应用执行时间预测模型[J]. 计算机工程与应用, 2021, 57(5): 79-87.
[15]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.

蚁群决策算法在上下游短时交通流预测中的应用

Application of ant colony decision rule algorithm for up-down short term traffic flow prediction

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics