摘要：交通流预测是智能交通系统的一个重要的功能和关键环节。交通流预测是对交通进行有效控制、对车辆出行进行合理规划的技术基础。而短时交通流预测可以为出行者提供实时有效的交通道路信息，有助于出行者选择合理的路线进行交通出行，节约出行的时间，从而可以有效的缓解交通拥挤的状况。

为了提高短时交通流的预测精度，本课题提出了一种基于人工蜂群算法优化RBF神经网络的短时交通流预测模型。对人工蜂群算法进行了改进，利用改进的人工蜂群算法确定RBF神经网络的参数，将优化确定后的参数输入RBF神经网络的预测模型中进行训练。

然后将采集到的交通量数据作为研究对象，将数据输入到模型中进行短时交通流的预测，并对预测的结果进行分析。仿真实验的结果表明，改进人工蜂群算法优化RBF神经网络的短时交通流预测结果与传统的预测方法相比，具有较高的预测精度。

关键词：短时交通流预测；人工蜂群算法；RBF神经网络；智能交通

目  录

摘  要

ABSTRACT

第一章 绪  论-1

1.1研究背景-1

1.2国内外研究现状-2

1.2.1 国内研究概况-2

1.2.2 国外研究概况-3

1.3研究内容-4

1.4论文结构-4

第二章 关键技术及可行性分析-6

2.1引言-6

2.2 MATLAB-6

2.3 RBF神经网络简介-6

2.3.1 径向基函数-6

2.3.2 RBF神经网络概述-7

2.3.2 RBF神经网络结构模型-7

2.4人工蜂群算法简介-8

2.5可行性分析-9

2.5.1 技术可行性-9

2.5.2 经济可行性-9

2.5.3 操作可行性-9

2.6本章小结-9

第三章 RBF神经网络预测模型整体设计方案-10

3.1引言-10

3.2模型的需求分析-10

3.2.1 预测模型的需求分析-10

3.2.2 预测模型的模块组成-10

3.3模型整体架构-11

3.4本章小结-11

第四章 改进人工蜂群算法优化RBF神经网络的预测模型设计-12

4.1引言-12

4.2 原始数据处理-12

4.3 确定神经网络的结构-13

4.4 数据归一化-13

4.5 改进人工蜂群算法-13

4.5.1 人工蜂群算法-13

4.5.2 改进人工蜂群算法的K均值聚类算法-15

4.5.3 改进人工蜂群算法的K均值聚类算法的实现-17

4.6 RBF神经网络预测模型-17

4.6.1 模型的基本思路-17

4.6.2  RBF神经网络的实现-18

4.7本章小结-18

第五章 RBF神经网络预测模型的仿真实验-19

5.1 实验环境与实验数据-19

5.2 实验模型建立-19

5.3 实验结果-19

5.4 误差指标-21

第六章 总结与展望-22

6.1总结-22

6.2展望-22

参考文献-24

致  谢-26