基于改进灰狼算法优化BP 神经网络的短时交通流预测模型

来源：交通运输系统工程与信息杂志2020年第2期北京时间：

作者：张文胜，郝孜奇，朱冀军，杜甜添，郝会民

单位：1. 石家庄铁道大学交通运输学院，石家庄 050043；2. 河北省交通安全与控制重点实验室，石家庄 050043；3. 河北省交通规划设计院，石家庄 050011；4.天津轨道交通运营集团有限公司，天津 300222；5. 石家庄市勘察测绘设计研究院，石家庄 050011

摘要：准确的短时交通流预测是交通控制和交通诱导的依据. 提出一种基于改进灰狼算法(TGWO)优化BP 神经网络的短时交通流预测模型(TGWO-BP)，有效提高短时交通流预测精度. 针对标准灰狼算法(GWO)收敛速度慢，容易陷入局部极值的问题，提出一种自适应递减的收敛因子，使灰狼算法区分全局搜索和局部搜索；改进灰狼个体的位置更新公式，引入惯性权重，调节惯性权重大小使灰狼算法具有跳出局部极值的能力；对比分析TGWO-BP、GWOBP 、PSO-BP、BP这4 种短时交通流预测模型，结果显示，TGWO-BP的短时交通流预测模型误差为10.03%，达到较好的预测精度.

关键词：智能交通,短时交通流预测,改进灰狼算法(TGWO),BP神经网络,收敛因子,惯性权重

基金资助：河北省科技计划重点项目/Science and Technology Plan Project of Hebei Province (18390324D)；石家庄市科技计划项目/ Science and Technology Project of Shijiazhuang(181130034A，191260411A).