为了提高高速公路交通量的预测精度,综合考虑高速公路交通量的高度非线性和受多因素
影响的特征,提出一种基于非线性主成分分析和 GAＧRBF神经网络(NPCAＧGAＧRBF)的高速公路
交通量预测方法;确定了高速公路交通量的主要影响指标,运用非线性主成分分析法降低高速公路
交通量影响指标的维数及其相关性,用少数主成分代替原有的多指标,以简化神经网络结构;利用
GA 优化 RBF神经网络的参数,进一步提高交通量的预测精度;以普洱市某高速公路为例,对交通
量预测方法进行实例验证.分析结果表明:２组试验 GAＧRBF和 NPCAＧGAＧRBF方法的平均相对
误差分别比 RBF方法降低１．６２％、３．５３％和２．２７％、３．３２％,说明 GA 优化 RBF神经网络能提高
RBF方法的交通量预测精度;与 GAＧRBF方法相比,２组试验 NPCAＧGAＧRBF方法的平均相对误
差分别降低了１．９１％、１．０５％,其交通量预测值更接近实际交通量,预测结果更为可靠,表明非线
性主成分分析法消除了指标的相关性,进一步提高了交通量预测精度,减少了交通量预测复杂度.
可见,NPCAＧGAＧRBF方法具有更高的交通量预测精度,能为高速公路的良好管理提供可靠的决
策依据,满足高速公路合理运营管理的客观需求.
