城市交通流的运行存在着高度的复杂性、时变性和随机性,实时准确的交通流预测是智能交通系统,特别是先进的交通管理系统与先进的出行者信息系统研究的关键. 基于交通流预测的特点,给出了基于遗传算法的小波神经 网络的交通预测模型GA-WNN ,用具有自然进化规律的遗传算法来对小波神经网络的连接权值和伸缩平移尺度进行前期优化训练,部分代替了小波框架神经网络中按单一梯度方向进行参数优化的梯度下降法,克服了单一梯度下降法易陷入局部极小和引起振荡效应等缺陷. 仿真实验验证了GA-WNN 预测模型对短时交通流的

里面包含多种综合评价方法，如层次分析法、模糊综合评判、基于可拓学的综合评价方法、数据包络分析法、TOPSIS分析法、熵权法以及人工神经网络分析法(It contains many comprehensive evaluation methods, such as analytic hierarchy process, fuzzy comprehensive evaluation, extension-based comprehensive evaluation method, data enve