基于集成神经网络的城市道路交通流量融合预测研究
|
摘要
随着经济的发展和社会的进步，交通问题日益突出。作为有效解决现有道路交通问题的途径，发达国家正在竞相研究智能运输系统(ITS)。ITS将成为21世纪现代化地面交通运输体系的发展方向，是交通运输进入信息时代的重要标志。以交通流量为重要内容的道路交通信息是所有ITS项目不可缺少的基础，准确地预测交通流量是ITS的关键所在，也是交通流诱导研究的重要环节。交通流量是一个时变的非线性系统，其内部变量、输入变量众多，结构复杂。采用部分因素和指标或单个的模型仅能体现系统的局部，多个变量的科学综合、多种数据或多个模型的有效融合能够显著提高预测精度和模拟效果。基于此，本文提出了基于集成神经网络的城市道路交通流量的融合预测模型。
该融合预测模型和传统的预测方法相比，既不是单一的数据预测方法的运用，也不是对单一预测数据的使用，更不是对这些方法和数据的简单组合，而是包括从拓展数据源到选择有效的预测方法，再到方法和数据的融合。该模型一方面提高了预测的准确性，另一方面提高了预测的鲁棒性。
本文以城市道路交叉口为例，对基于集成神经网络的融合交通流量预测的模型、方法和具体实现途径进行了研究，主要包括以下方面：
1)根据融合预测的需要分析了交通流量的分布特性：周期性、连续性和相关性。这些特性反映了交通流量的决定因素和影响因素；
2)建立了路口交通流量融合预测的多源数据模型，扩展了预测的数据基础，为预测的准确性和鲁棒性准备了条件；
3)提出了根据流量周期性的灰色神经网络预测方法；
4)应用小波分析理论对交通流量进行多分辨率分析，提出了根据流量连续性的小波神经网络预测方法；
5)提出了对各路口流量进行实时相关性分析的方法，和一定日期内相应时间段路口流量相关性的模糊综合评价方法，提出了利用路网中相关路口的数据预测流量的神经网络方法；
6)提出了融合预测模型中局部预测有效性检验的聚类分析方法以
西南交通大学博士研究生学位论文
第H页
及实现最终融合预测的模糊神经网络模型。
本文在仿真生成的流量数据的基础上，对上述模型和方法的有效
性进行了验证。
关键字:交通工程，神经网络，数据融合，交通流量预测，灰色
理沦，小波分析，相关性分析，模糊评价，有效性检验，聚类分析，
模糊系统
With rapid development of economy and society, the problem caused by traffic is becoming more and more serious. Intelligent Transportation System (ITS), which is widely studied in developed countries, is thought of a potent way to the ground traffic problem today. ITS which is an important symbol of ground transportation system will come in the 21st century. Ground traffic-information, which mainly consists of traffic-flow, is an indispensable element of ITS. It is a key of ITS to predict traffic-flow exactly which is an important step in the research of traffic-flow guidance system. Traffic-flow is a time-varying nonlinear system that is comparatively complex in structure and internal variable. A lot of variables should been input. It only embodies any aspect of system to apply any factor or single model. lt notably increases prediction precision and simulation performance by combining multiple variables, fusing data and models. Accordingly, this paper proposes a fusion-prediction model of traffic-flow in urban road-intersection based on integrated ANN (Artificial Neural Network).Compared with traditional method, this model is not meant to apply single prediction technique or one-sided message, or to fit these together simplly, but meant to widen source of data, to optimize prediction way, and to fuse data and methods soundly. On the one hand, it can evidently increase prediction accuracy; on the other hand, robustness of system is markedly enhanced.With an example of urban road-intersection, how to build the data-fusion prediction model of traffic-flow volume, and how to effectively apply these methods stated in the model, is detailly studied in this paper as follows:1) To meet the need of data-fusion prediction, the features (periodicity, continuity and correlation) of traffic-flow volume are analyzed specislly, which reflect the decisive and influencing factors of traffic-flow.2) It is aimed at enhancing accuracy and robustness that multi-source data model of traffic-flow in road-intersection is built and accordingly data base of prediction is expanded.3) Prediction model of GNN (Gray Neural Network) is put forward according to the periodicity of traffic-flow.
4) Prediction method of WNN (Wavelet Neural Network) is put forward according to the continuity of traffic-flow with Wavelet MRA in analysis of traffic-flow volume.5) Neural network method for traffic-flow volume prediction by corresponding road-intersection in road-net is put forward after analyzing correlation in real-time segment of traffic-flow volume between different road-intersections, estimating correlation of traffic-flow volume in road-intersections in corresponding time-segment with fuzzy comprehensive evaluation method.6) Final data-fusion prediction model on FNN (Fuzzy Ncural Nctwork) is stated also with the clustering analysis method of verifying validity in local predictionsThese methods and algorithm is tested by simulation.
该融合预测模型和传统的预测方法相比，既不是单一的数据预测方法的运用，也不是对单一预测数据的使用，更不是对这些方法和数据的简单组合，而是包括从拓展数据源到选择有效的预测方法，再到方法和数据的融合。该模型一方面提高了预测的准确性，另一方面提高了预测的鲁棒性。
本文以城市道路交叉口为例，对基于集成神经网络的融合交通流量预测的模型、方法和具体实现途径进行了研究，主要包括以下方面：
1)根据融合预测的需要分析了交通流量的分布特性：周期性、连续性和相关性。这些特性反映了交通流量的决定因素和影响因素；
2)建立了路口交通流量融合预测的多源数据模型，扩展了预测的数据基础，为预测的准确性和鲁棒性准备了条件；
3)提出了根据流量周期性的灰色神经网络预测方法；
4)应用小波分析理论对交通流量进行多分辨率分析，提出了根据流量连续性的小波神经网络预测方法；
5)提出了对各路口流量进行实时相关性分析的方法，和一定日期内相应时间段路口流量相关性的模糊综合评价方法，提出了利用路网中相关路口的数据预测流量的神经网络方法；
6)提出了融合预测模型中局部预测有效性检验的聚类分析方法以
西南交通大学博士研究生学位论文
第H页
及实现最终融合预测的模糊神经网络模型。
本文在仿真生成的流量数据的基础上，对上述模型和方法的有效
性进行了验证。
关键字:交通工程，神经网络，数据融合，交通流量预测，灰色
理沦，小波分析，相关性分析，模糊评价，有效性检验，聚类分析，
模糊系统
With rapid development of economy and society, the problem caused by traffic is becoming more and more serious. Intelligent Transportation System (ITS), which is widely studied in developed countries, is thought of a potent way to the ground traffic problem today. ITS which is an important symbol of ground transportation system will come in the 21st century. Ground traffic-information, which mainly consists of traffic-flow, is an indispensable element of ITS. It is a key of ITS to predict traffic-flow exactly which is an important step in the research of traffic-flow guidance system. Traffic-flow is a time-varying nonlinear system that is comparatively complex in structure and internal variable. A lot of variables should been input. It only embodies any aspect of system to apply any factor or single model. lt notably increases prediction precision and simulation performance by combining multiple variables, fusing data and models. Accordingly, this paper proposes a fusion-prediction model of traffic-flow in urban road-intersection based on integrated ANN (Artificial Neural Network).Compared with traditional method, this model is not meant to apply single prediction technique or one-sided message, or to fit these together simplly, but meant to widen source of data, to optimize prediction way, and to fuse data and methods soundly. On the one hand, it can evidently increase prediction accuracy; on the other hand, robustness of system is markedly enhanced.With an example of urban road-intersection, how to build the data-fusion prediction model of traffic-flow volume, and how to effectively apply these methods stated in the model, is detailly studied in this paper as follows:1) To meet the need of data-fusion prediction, the features (periodicity, continuity and correlation) of traffic-flow volume are analyzed specislly, which reflect the decisive and influencing factors of traffic-flow.2) It is aimed at enhancing accuracy and robustness that multi-source data model of traffic-flow in road-intersection is built and accordingly data base of prediction is expanded.3) Prediction model of GNN (Gray Neural Network) is put forward according to the periodicity of traffic-flow.
4) Prediction method of WNN (Wavelet Neural Network) is put forward according to the continuity of traffic-flow with Wavelet MRA in analysis of traffic-flow volume.5) Neural network method for traffic-flow volume prediction by corresponding road-intersection in road-net is put forward after analyzing correlation in real-time segment of traffic-flow volume between different road-intersections, estimating correlation of traffic-flow volume in road-intersections in corresponding time-segment with fuzzy comprehensive evaluation method.6) Final data-fusion prediction model on FNN (Fuzzy Ncural Nctwork) is stated also with the clustering analysis method of verifying validity in local predictionsThese methods and algorithm is tested by simulation.
引文
[1] 中国智能与输系统体系框架研究总报告．交通部公路科学研究所．2001．
[2] 陈志良，明德主编．高科技与现代交通．北京：科学普及出版社．1999．
[3] 段里仁．城市交通概论．北京：北京出版社．1986．
[4] 杨兆升．运输系统规划与模型．北京：人民交通出版社．1996
[5] Texas Transportation Institute Urban Roadway Congestion. 1983-1992,Volumel:Annual Report. College Station. TX: Texas Transoortation Institute. Sep. 1995.
[6] 国土交通省道路局长大石久和．21世纪社会早期構築．http://www.its.go.jp/ITS/j-html/index/indexH.Book.html
[7] [日]社团法人，董国良等译．智能交通系统．北京：人民交通出版社．2000
[8] 雷汀．2000年中国的交通运输．北京：中国社会科学出版社．2001
[9] 智能运输系统发展战略研究课题组．智能运输系统发展战略研究．1998．
[10] 杨兆升．城市交通流诱导系统理论与模型．北京：人民交通出版社．2000．
[11] 杨兆升，初连禹．先进的出行者信息系统(ATIS)的研究进展．ITS通讯．2000．
[12] 肖叶．高科技十万个为什么——现代交通．北京：昆仑出版社．2000．
[13] 進実用化开発，http://www.its.go.jp/ITS/HandBook TOPICS 2001.htm
[14] 杨兆升，初连禹．动态路径诱导系统研究进展．公路交通科技．2000，4 P34～38
[15] 黄卫，陈里得。智能运输系(ITS)通概论．北京：人民交通出版社．1999．
[16] 赵亦林著，谭国真译．车辆定位与导航系统．北京：电子工业出版社．1999．
[17] 高羽祯雄．自动车情报化来像．自动车技术会．90-11，PP．15-19． 1991．
[18] 杨兆升，朱中．交通诱导信息系统研究．公路交通科技．1999，4 P34～38．
[19] 陆化普等．新一代道路交通系统．中国公路学报．1997，6．
[20] 智能运输系统发展战略研究课题组．智能运输系统发展战略研究．1998．
[21] http://www.china-e.com.cn/zhengma/chanpin/jiaocheng/Jiaocheng.htm
[22] Thomson，J．M著，倪文彦，陶吴馨译．城市布局与交通规划．北京：中国建筑工业出版社．1982．8．
[23] 郑祖武．城市道路交通．北京：人民交通出版社．2001．3．
[24] 北京市公共交通总公司；北方交通大学．城市公共交通科技管理．北京：中国铁道出版社．2002．
[25] 肖秋生，徐慰慈编．城市交通规划．北京：人民交通出版社．1990．12．
[26] 全文审编著．城市交通控制．北京：人民交通出版社．1989．3．
[27] 曹钟勇．城市交通论．北京：中国铁道出版社．1996．7．
[28] Homepare of ADVANCE Project: http://ais.its-program.anl.gov/.
[29] Bruce Wetherby, Hesharn Rabka, Michel VanAerde, Architecture Study of SWIFT Research Report, prepared for W.S. DOT, WSDOT Y-5908, 1998.10
[30] Homepare of ITS of U.S. DOT: http://itts.dot.gov/
[31] Young-Ihn Lee, Chan Young Choi, Development of Link Travel Time Prediction Algorithm for Urban Expressway, Proceedings of 5th World Congress on ITS, Korea, 1998
[32] Seungjae Lee, Daehyon Kim, Juyong Kim, Bumchul Cho, Comparison of Models for Predict in Short-term Travel Speeds, Proceedings of 5th World Congress on ITS, Korea, 1998
[33] Rathi, A.K. and Santiago, The New NETSIM: TRAF-NETSIM 2.00 Simulation Program, paper presented at the Transportation Research Board 68th annual meeting, Washington, D.C., 1989
[34] Newell G.F. Flow on Transportation Networks. MIT Press. 1980.
[35] Ben-Aklva M. Dynamic Network Equilibrium Rese-arcn. Transportanon research.1985.
[36] Wardrop J. G. Some theoretical aspects of road traffic research. Proceedings of the Institute of Civil Engineers, V1, part2,325-378.
[37] 黄海军．城市交通网络平衡分析理论与实践．北京：人民交通出版社。1994．
[38] Corinne Ledoux. An Urban Traffic Flow Model Integrating Neural Network. Transportation Research, 1997,5.
[39] 桑原雅夫．情報OD交通量推计关研究．交通工学．1998，4．
[40] 孙喜梅．城市路网实时动态交通信息的组合预测模型和方法研究．吉林大学博士论文．2002．
[41] Ahmed S.A. and Cook A.R. Analysis of Freeway Traffic Time-series Data by Using Box-Jenkins Technique. Transportation Research Record 733, 1979, 1～9
[42] Nihan N.L. and Holmesland K.O. Use of the Box-Jenkins Time Series Technique in Traffic Forecasting. Transportation, 1980, 9, 125～143
[43] Nicholson H. and Swarm C.D. The Prediction of Traffic Flow Volumes Based on Spectral Analysis. Transportation Research, 1974, 8(5), 533～538
[44] Gazis D.C. and Knapp C.H. On-line Estimation of Traffic Densities form Time Series of Flow and Speed Data. Transportation Science, 1971, 5(5), 283～301
[45] Wwao Okutani. Dynamic Prediction of Traffic Volume Through Kalman Filtering Theory. Transportation Research, 1984, 18B(1), 1～11
[46] Davis Gary A. and Nihan Nancy L. Nonparameteric Regression and Short-term Freeway Traffic Forecasting. Journal of Transportation Engineering, 1991, 117(2), 178～188
[47] Vythoukas P.C. Alternative: Approaches to Short Term Traffic Forecasting (?) Use in Driver information Systems. Transportation and Traffic Theory, Elsevier Science Publishers. 1993, 485～505
[48] Smith Brian L. and Demrtsky Michael J. Short-term Traffic Flow Prediction: Neural Network Approach. Transportation Research Record 1453, Washington, D.C. TRB, 1993
[49] Dochy Thierry, Danech-Pajouh Mehdi and Lechevallier Yees. Short-term Traffic Forecasting Using Neuronal Network. IFAC Symposium on Transportation Systems: Theory and Application of Advanced Technology, Elsevier Science, Tianjin, 1994, 633～638
[50] der Voort Maschavan, Dougherty Mark and Watson Susan. Combining Kohonen Maps with ARIMA Time Series Models to Forecast Traffic Flow. Transportation Research, 1996, 4(C), 307～318
[51] Corinne Ledoux. An Urban Traffic Flow Model Integrating Neural Network. Transportation System Research, 1997, 5(5), 287～300
[52] 杨兆升．基丁Kalman滤波的事实交通流量预测模型．中国公路学报．1998．
[53] 朱中，杨兆升．实时交通流量人工神经网络预测模型．中国公路学报．1998．
[54] 孙喜梅．交通信息的组合预测方法．吉林大学博士论文．2003．
[55] 杨新苗，王炜．公交线路客流模糊神经网络预测模型．公路交通科技．2000，4(17)．
[56] 张利军，周育才，越爱琼．基于BP神经网络的道路交通事故预测．邵阳高等专科学校学报 2001．
[57] 马林才，陈文华，边浩毅．基丁BP神经网络的浙江省公路运输量的预测．浙江交通职业技术学院学报．2003．
[58] 尹宏宾，徐建闽，黄仕进．基于模糊神经网络的信号交叉口交通量预测．华南理工大学学报．2000．
[59] 郭郴生，刘伟铭，姜山．基于遗传神经网络的道路交通量预测．广西交通科技．2003．
[60] 刘洁，魏连雨，杨春风．基于遗传神经网络的交通量预测．长安大学学报．2003．
[61] 尹宏宾，徐建闽。利用模糊神经网络预测道路交通事故损失．公路交通科技 1999．
[62] 夏冰，董菁，张佐．周相似特性下的交通流预测模型研究．公路交通科技．2003．
[63] 赤松隆．交通——理论概要．交通工学，1997．
[64] Mechant D. k. and Nemhauser G.L. A model and An Algorithm for the Dynamic Traffic Assignment Problems. Transportation Science, 1978(a).
[65] Mechant D. k. and Nemhauser G.L. A model and An Algorithm for the Dynamic Traffic Assignment Problems. Transportation Science, 1978(b).
[66] Carey M.Optimal Time-Varying Flows on Congested Networks. Operation Research, 1978.
[67] Luque F.J.and Friesz T.1. Dynamic Traffic Assignment Considered as a Continuous time Optimal Control Problem. Presented at the TIM/ORSA Joint National Meeting, Washington, DC. 1980.
[68] Smith T.E., Tobin R.L. and Wie B.-W. A Variational Inequality Formulation of the Dynamic Network User Equilibrium Problem. Operation Research, 1993, 41, 79～191
[69] Ho J.K. Successive Liner Optimization Approach to the Dynamic Traffic Assignment Problem. Transportation Science, 1980, 14, 295～305
[70] Ran B. and LeBlanc L.J. Solving an Instantaneous Dynamic User Optimal Route Choice Model. Transportation Science, 1995, 29, 128～142
[71] 黄海军．城市交通网络平衡分析理论与实践．北京：人民交通出版社．1994．
[72] Aashtiani H.Z. and Magnani T.L. Equilibrium on Congested Transportation Network. SIAM J. of Algebraic and Discrete Methods, 1981,2,213,226.
[73] Friesz T.L., Luque F.J., Tobin R.L. and Wie B.-W. Dynamic Network Traffic Assignment Considered as a Continuous Time Optimal Control Problem. Operation Research, 1989, 37, 893～901.
[74] 河上省吾，沟上章志．交通量时间变动考虑道路交通量配分手关法研究．交通工学．Vol．20，No．6，pp．17-25，1985．
[75] 宫城俊彦，牧村和彦．时间带别交通配分手法关法研究．交通工学，1991．
[76] 杨兆升，朱中．离散时间动态随机交通分配模型．系统工程理论与实践．1998．1．
[77] 姜桂艳，杨兆升．准用户最优动态交通分配方法研究．中国公路学报．1998．8．
[78] 杨兆升．论智能运输系统．中国公路学报，1995．8．
[79] 杨佩昆等．用遗传算法求解考虑通行能力约束的运输网络平衡问题．公路交通科技．1998．9．
[80] 四兵锋，高自友．多模式的城市混合交通均衡配流模型计算法．公路交通科技．1999，3．
[81] 四兵锋，高自友．城市交通超级网络均衡配流模型计算法．公路交通科技．1998．5．
[82] 森津秀夫，松田洋二等，経路诱导交通情报提供问题点．土木计画学研究，讲演集．
[83] 古井捻雄，赤羽弘和，桑原雅夫．都市高速道路予测交通情报提供効果．土木学会第50惠年次学术讲演会概要集，第四部，pp．86-87．1995．
[84] 饭田恭敬．交通情报効果考虑経路选择行动动的分析，土木学会论文集，No．470，Ⅳ-20，pp．77-86，1993．
[85] 刘同明等．数据融合技术及其应用．北京：国防工业出版社．1998．9．
[86] 权太范．信息融合神经网络——模糊推理理论与应用，北京：国防工业出版社．2002。
[87] 秦前清，杨宗凯．实用小波分析．西安：西安电子科技大学出版社．1994．1．
[88] 李存军，杨儒贵，靳蕃．基于神经网络的交通流量融合预测方法．系统工程．2004，4．
[89] 高山纯一．乘降客调查用情报量乘换OD推计法．交通工程．1997 2(32)．
[90] 酒井浩一．首都高速道路起终点调查基OD推定精度检讨．1998 6(33)．
[91] 沈兰荪．数据采集技术．合肥：中国科学技术大学出版社．1990．8．
[92] 魏明，杨方廷，曹止清．交通仿真的发展及研究现状．系统仿真学报．2003，8(15)．
[93] 王震远，冷传才．城市道路交通微观仿真研究．北京建筑工程学院学报．2001．17(4)。
[94] 商蕾，高孝洪，蒋汉平．城市微观交通模型建模及仿真实现．武汉理工大学学报．2003．8．
[95] 景万象．混合交通流环境下信号配时研究．公路交通科技．2003，8．
[96] 马寿涛．城市道路交通流微观仿真系统，系统工程学报．2000．5(4)．
[97] 王正光．数据采集与处理．北京：国防工业出版社．1985．
[98] 黄贤武，郑莜霞．传感器原理及应用．北京：电子科技大学出版社．1999．
[99] 鹿岛茂．人手交通量调查精度关研究．1995．
[100] 陈守煜．工程模糊集理论与应用．北京：国防工业出版社．1998．11．
[101] 李荣钧．模糊多准则决策理论与应用．北京：科学出版社．2002．
[102] 李存军，邓红霞，靳蕃．基于数据融合的地铁客流量预测方法．铁道学报．2004，1．
[103] 刘同明．数据融合技术及其应用．北京：国防工业出版社．1998．9．
[104] 李洪志．信息融合技术．北京：国防工业出版社．1996．
[105] 康耀红．数据融合理论与应用．西安：西安电子科技大学出版社．1997，11．
[106] 杨静宇．战场数据融合技术．北京：兵器工业出版社．1994，12．
[107] 何友．多传感器信息融合及应用．北京：电子工业出版社．2000，11．
[108] 刘同明，夏祖勋，解洪成．数据融合技术及其应用，北京：国防工业出版社．2000．
[109] 罗森林．王越．周思永．多源数据处理技术—数据融合．系统工程与电子技术，1998，20(6)：61～65．
[110] 金先级．人工神经网络导论讲义．武汉：华中理工大学出版社．1996．
[111] 靳蕃．神经计算智能基础：原理·方法．成都：西南交通大学出版社．2000．
[112] 蒋宗礼．人工神经网络导论．北京：高等教育出版社．2001，8．
[113] 王伟．人工神经网络原理=入门与应用．北京：北京航空航天大学出版社．1995，10．
[114] 黄勇，应济等．基于多传感器信息融合的刀具监测技术．机电工程．1993(3)．
[115] 敬中良．基于模糊神经网络和D-S推理的智能特征信息融合研究，信息与控制．1997，2．
[116] 权太范．信息融合：神经网络——模糊推理理论与应用．北京：国防工业出版社。2002．
[117] 黄德双．神经网络模式识别系统理论．北京：电子工业出版社．1996．
[118] 虞和济．基于神经网络的智能诊断．北京：冶金工业出版社．2000，5．
[119] 杨春玲．刘国岁，倪晋麟．多传感器远距离目标跟踪．系统工程与电子技术， 1999，21(3)：42～47．
[120] 胡润洲．谈中国大城市交通战略调整．城市交通，1998．6．
[121] 东南大学数学教研组．积分变换．北京：高等教育出版社．2003．
[122] 郑祖武．现代城市交通．北京：人民交通出版社．1995．12．
[123] 沈建武，吴瑞麟．城市交通分析与道路设计．武汉：武汉大学出版社．1996．
[124] 段里仁．道路交通自动控制．北京：中国人民公安大学出版社．1991．
[125] 虞和济．设备诊断技术的现状及其发展．基础自动化．1996，5．
[126] 虞和济．基于神经网络的智能诊断．北京：冶金工业出版社．2000，5．
[127] 王耀南．智能控制系统．长沙：湖南大学出版社．1996．
[128] 郁文贤，雍少为，郭桂蓉．多传感器信息融合技术述评．国防科技大学学报．1994， 16(3)：248～253．
[129] 任若恩，王惠文．多元统计数据分析．北京：国防工业出版社．1997。
[130] 吴国富．实用数据分析方法．北京：中国统计出版社．1992．
[131] 王清印．灰色数学基础．武汉：华中理工大学出版社．1996，9．
[132] 王学萌．罗建军．灰色系统预测决策建模程序集．北京：科学普及出版社．1986，6．
[133] 邓聚龙．灰色系统理论教程．武汉：华中理工大学出版社．1990，11．
[134] 刘灿齐编著．现代交通规划学．北京：人民交通出版社．2001．
[135] 王学萌．灰色系统分析及实用计算程序．武汉：华中理工大学出版社．2001，9．
[136] 刘思峰，郭天榜．灰色系统理论及其应用．郑州：河南大学出版社．1991，2．
[137] 袁嘉祖．灰色系统理论及其应用．北京：科学出版社．1991，12．
[138] 刘思峰．灰色系统理论及其应用．北京：科学出版社．1999．
[139] 邓聚龙．灰色系统论文集．武汉：华中理工大学出版社．1989，4．
[140] 刘思峰，史开泉．灰色系统学术论文集．郑州：河南大学出版社．1993，2．
[141] 高隽．人工神经网络原理及仿真实例．北京：机械工业出版社．2003，8．
[142] 曾勇．人工神经网络在资本市场预测中的应用：[清华大学内部报告]．1997．
[143] RUMELHART D E. Learning representation by back-propagating errors. Nature, 1985, 51(4):533—536.
[144] 杨行峻，郑群里．人工神经网络与盲信号处理．北京：清华大学出版社．2003．
[145] 楼顺天．基于MATLAB的系统分析与设计—神经网络．西安：西安电子科技大学出版社．
[146] 何述东，瞿坦．电力负荷短期预测的改进神经网络方法．电力系统自动化，1997．
[147] 秦前清，杨宗凯．实用小波分析．西安：西安电子科技大学出版社．1994，1．
[148] 杨福生．小波变换的工程分析与应用．北京：科学出版社．1999，2．
[149] 郑治真．小波变换及其MATLAB工具的应用．北京：地震出版社．2001．
[150] (美)崔锦泰著，程正兴译．小波分析导论．西安：西安交通大学出版社．1995，1．
[151] 李建平，唐远炎．小波分析方法的应用．重庆：重庆大学出版社．1999．
[152] 程正兴．小波分析算法与应用．西安：西安交通大学出版社．1998，5．
[153] 李世雄．小波变换及其应用．北京：高等教育出版社．1997，7．
[154] Walter Gilbert G. Approximation of delta function by wavelets. J. Approx. Theory. 1992, 71: 329～343.
[155] Delyon B, et al. Accuracy analysis for wavelet approximations. IEEE Trans. On Neural Networks, 1995, 6(2): 332～347.
[156] Zhang J, et al. Wavelet neural networks for function learning.IEEE Trans. On Signal Processing, 1995.43(6): 1485～1479.
[157] Zhang Q, et al. Wavelet networks. IEEE Trans. On Neural Networks, 1992, 3(6): 889～898.
[158] 李存军，杨儒贵，张家树．基于小波变换的交通流量预测方法．计算机应用．2003，12．
[159] 李存军，杨儒贵，张家树．基于小波变换和Kalman滤波的城市路口交通流量组合预测方法．西南交通大学学报．2004，5．
[160] 刘增良，刘有才．模糊逻辑与神经网络=理论研究与探索．北京：北京航空航大大学出版社．1996，5．
[161] Meyer Y. Wavelets algorithms and applications. Philadelphia, PA: SIAM Press, 1993.
[162] Chui C K. An introduction to Wavelets. New York: Academic Press, 1992.
[163] 彭玉华．小波变换与工程应用．北京：科学出版社．1999．
[164] 王炜．交通工程学．南京：东南大学出版社．2002．
[165] 飞思科技产品研发中心．MATLAB 6.5辅助小波分析与应用．北京：电子工业出版社．2003．
[166] 李存军，邓红霞．用相关路段交通流逼近本路段流量的神经网络方法．交通运输工程与信息学报．2004，3．
[167] 李存军，邓红霞．基于城市路口相关性的交通流量预测．长安大学学报 2004，7．
[168] 周光亚，夏立显编著．非定量数据分析及其应用．北京：科学出版社．1993，8．
[169] 于秀林，任雪松．多元统计分析．北京：中国统计出版社．1999．
[170] 王学仁，王松桂编译．实用多元统计分析．上海：上海科学技术出版社．1990，9．
[171] 董菁，张毅，张佐，匡晓煊．基于主成分分析法的城市交通路口相关性分析，西南交通大学学报，2003；6(38)：619-622．
[172] Karhunen J. Representation and separation of signals using nonlinear PCA type learning. Neural Networks, 1994, 7(1) : 113～127.
[173] Sanger T. Optimal unsupervised learning in a single layer linear feed forward network. Neural Networks, 1989, 2(4) : 459～473.
[174] Xu Lei, Yuille A L. Robust principal component analysis by self-organizing rules based on statistical physics app roach. IEEE Trans on Neural Networks, 1995, 6 (1): 131～143.
[175] Comon P. Independent component analysis, a new concept, Signal Processing, 1994, 36 (3): 287～314.
[176] 杨松林．工程模糊论方法及其应用．北京：国防工业出版社．1996，4。
[177] 彭祖赠，孙韫玉．模糊(Fuzzy)数学及其应用．武汉：武汉大学出版社．2002,3．
[178] Conor J T, et al. Recurrent neural networks and robust time series prediction. IEEE Trans. On Neural Networks, 1995,5(2): 240～254.
[179] 闻新，宋屹曼．模糊系统和神经网络的融合技术．系统工程与电子技术，1999，21(5)：55～58
[180] 权太范，袁业术等．神经网络—模糊融合拓扑结构．电子学报，1996，24(4)：41～45．
[181] 周斌．神经—模糊INTER3融合系统在数据关联中的应用．哈尔滨工业大学硕士学位论文，1995．
[182] 马锐．神经网络与模糊融合控制方法的研究．哈尔滨工业大学硕士学位论文，1996．
[183] 王士同．模糊系统、模糊神经网络及应用程序设计．上海：上海科技文献出版社．1998．
[184] 武森．高维稀疏聚类知识发现．北京：冶金工业出版社．2003．
[185] 方开泰，潘恩沛．聚类分析．北京：地质出版社．1983．
[186] 汪培庄．模糊集合论及其应用．上海：上海科学技术出版社．1993，11．
[187] Sugeno M, Kang G T. Structure identification of fuzzy model, Fuzzy Sets Syst., 1986, 28: 329～349.
[188] 吴从忻，马明著．模糊分析学基础．北京：国防工业出版社．1991，7．
[189] 赵振宇，徐用懋著．模糊理论和神经网络的基础与应用．北京：清华大学出版社．1996．
[190] takagi T, Sug(?) M. Fuzzy identification of systems and it's application to modeling and co(?)ol. IEEE Trans. Syst., Man, Cybern., 1985, SMC-15: 116～132.
[191] Sugeno M, Kang G T. Structure identification of fuzzy model. Fuzzy Sets Syst., 1986, 28: 329～349.
[192] Wang L X, Mdndel J M. Fuzzy basis functions, universal approximation, and orthogonal lest square learning. IEEE Trans. Neural Networks, Sap. 1992, 3:807～813.
[193] Kosko B. Fuzzy systems as universal approximators. IEEE Int. Conf. Fuzzy Syst., 1992: 1153～1162,
[194] Ruspini E H. A new approach to clustering. Inform. Contr., July 1969, 15(1): 22～32.
[195] Bezdek J C. Pattern Recognition with Fuzzy Objective Function Algorithms. New York: Plenum, 1981.
[196] Keller J M, et al. A fuzzy k-nearest neighbour algorithm. IEEE Trans. Syst., Man, Cybern., 1985, SMC-15(4): 580～585.
[197] Zeng X-J, Singh M G. Approximation accuracy analysis of fuzzy systems as function approximators. IEEE Trans. On Fuzzy Systems, Feb. 1996, 4(1): 44～63.
[198] Homaifor A, McCormick E. Simultaneous design of membership functions and rule sets for fuzzy controllers using genetic algorithms. IEEE Trans. On Fuzzy Systems, 1995, 3(2): 129～139.
[199] Sun C T, Jang J S. A neural-fuzzy classifier and its applications. In: Proc. IEEE Int. Conf. Fuzzy Syst. San Francisco (CA):Mar. 1993. Ⅰ: 94～98.
[200] Juang C F, Lin C T. An on-line self-constructing neural fuzzy inference network and its applications. IEEE Tans. On Fuzzy Systems, Feb. 1998, 6(1): 12～32.
[201] Barada S, Singh H. Generating optimal adaptive fuzzy-neural models of dynamical systems with applications to control. IEEE Trans. on Systems, Man, and Cybernetics-Part C: Applications and Review, Aug. 1998, 28(3): 371～391.
[202] 楼顺天，基于MATLAB的系统分析与设计—模糊系统．西安：西安电子科技大学出版社．1999．
[203] 飞思科技产品研发中心．MATLAB 6.5辅助神经网络分析与设计．北京：电子工业出版社．2003．
[2] 陈志良，明德主编．高科技与现代交通．北京：科学普及出版社．1999．
[3] 段里仁．城市交通概论．北京：北京出版社．1986．
[4] 杨兆升．运输系统规划与模型．北京：人民交通出版社．1996
[5] Texas Transportation Institute Urban Roadway Congestion. 1983-1992,Volumel:Annual Report. College Station. TX: Texas Transoortation Institute. Sep. 1995.
[6] 国土交通省道路局长大石久和．21世纪社会早期構築．http://www.its.go.jp/ITS/j-html/index/indexH.Book.html
[7] [日]社团法人，董国良等译．智能交通系统．北京：人民交通出版社．2000
[8] 雷汀．2000年中国的交通运输．北京：中国社会科学出版社．2001
[9] 智能运输系统发展战略研究课题组．智能运输系统发展战略研究．1998．
[10] 杨兆升．城市交通流诱导系统理论与模型．北京：人民交通出版社．2000．
[11] 杨兆升，初连禹．先进的出行者信息系统(ATIS)的研究进展．ITS通讯．2000．
[12] 肖叶．高科技十万个为什么——现代交通．北京：昆仑出版社．2000．
[13] 進実用化开発，http://www.its.go.jp/ITS/HandBook TOPICS 2001.htm
[14] 杨兆升，初连禹．动态路径诱导系统研究进展．公路交通科技．2000，4 P34～38
[15] 黄卫，陈里得。智能运输系(ITS)通概论．北京：人民交通出版社．1999．
[16] 赵亦林著，谭国真译．车辆定位与导航系统．北京：电子工业出版社．1999．
[17] 高羽祯雄．自动车情报化来像．自动车技术会．90-11，PP．15-19． 1991．
[18] 杨兆升，朱中．交通诱导信息系统研究．公路交通科技．1999，4 P34～38．
[19] 陆化普等．新一代道路交通系统．中国公路学报．1997，6．
[20] 智能运输系统发展战略研究课题组．智能运输系统发展战略研究．1998．
[21] http://www.china-e.com.cn/zhengma/chanpin/jiaocheng/Jiaocheng.htm
[22] Thomson，J．M著，倪文彦，陶吴馨译．城市布局与交通规划．北京：中国建筑工业出版社．1982．8．
[23] 郑祖武．城市道路交通．北京：人民交通出版社．2001．3．
[24] 北京市公共交通总公司；北方交通大学．城市公共交通科技管理．北京：中国铁道出版社．2002．
[25] 肖秋生，徐慰慈编．城市交通规划．北京：人民交通出版社．1990．12．
[26] 全文审编著．城市交通控制．北京：人民交通出版社．1989．3．
[27] 曹钟勇．城市交通论．北京：中国铁道出版社．1996．7．
[28] Homepare of ADVANCE Project: http://ais.its-program.anl.gov/.
[29] Bruce Wetherby, Hesharn Rabka, Michel VanAerde, Architecture Study of SWIFT Research Report, prepared for W.S. DOT, WSDOT Y-5908, 1998.10
[30] Homepare of ITS of U.S. DOT: http://itts.dot.gov/
[31] Young-Ihn Lee, Chan Young Choi, Development of Link Travel Time Prediction Algorithm for Urban Expressway, Proceedings of 5th World Congress on ITS, Korea, 1998
[32] Seungjae Lee, Daehyon Kim, Juyong Kim, Bumchul Cho, Comparison of Models for Predict in Short-term Travel Speeds, Proceedings of 5th World Congress on ITS, Korea, 1998
[33] Rathi, A.K. and Santiago, The New NETSIM: TRAF-NETSIM 2.00 Simulation Program, paper presented at the Transportation Research Board 68th annual meeting, Washington, D.C., 1989
[34] Newell G.F. Flow on Transportation Networks. MIT Press. 1980.
[35] Ben-Aklva M. Dynamic Network Equilibrium Rese-arcn. Transportanon research.1985.
[36] Wardrop J. G. Some theoretical aspects of road traffic research. Proceedings of the Institute of Civil Engineers, V1, part2,325-378.
[37] 黄海军．城市交通网络平衡分析理论与实践．北京：人民交通出版社。1994．
[38] Corinne Ledoux. An Urban Traffic Flow Model Integrating Neural Network. Transportation Research, 1997,5.
[39] 桑原雅夫．情報OD交通量推计关研究．交通工学．1998，4．
[40] 孙喜梅．城市路网实时动态交通信息的组合预测模型和方法研究．吉林大学博士论文．2002．
[41] Ahmed S.A. and Cook A.R. Analysis of Freeway Traffic Time-series Data by Using Box-Jenkins Technique. Transportation Research Record 733, 1979, 1～9
[42] Nihan N.L. and Holmesland K.O. Use of the Box-Jenkins Time Series Technique in Traffic Forecasting. Transportation, 1980, 9, 125～143
[43] Nicholson H. and Swarm C.D. The Prediction of Traffic Flow Volumes Based on Spectral Analysis. Transportation Research, 1974, 8(5), 533～538
[44] Gazis D.C. and Knapp C.H. On-line Estimation of Traffic Densities form Time Series of Flow and Speed Data. Transportation Science, 1971, 5(5), 283～301
[45] Wwao Okutani. Dynamic Prediction of Traffic Volume Through Kalman Filtering Theory. Transportation Research, 1984, 18B(1), 1～11
[46] Davis Gary A. and Nihan Nancy L. Nonparameteric Regression and Short-term Freeway Traffic Forecasting. Journal of Transportation Engineering, 1991, 117(2), 178～188
[47] Vythoukas P.C. Alternative: Approaches to Short Term Traffic Forecasting (?) Use in Driver information Systems. Transportation and Traffic Theory, Elsevier Science Publishers. 1993, 485～505
[48] Smith Brian L. and Demrtsky Michael J. Short-term Traffic Flow Prediction: Neural Network Approach. Transportation Research Record 1453, Washington, D.C. TRB, 1993
[49] Dochy Thierry, Danech-Pajouh Mehdi and Lechevallier Yees. Short-term Traffic Forecasting Using Neuronal Network. IFAC Symposium on Transportation Systems: Theory and Application of Advanced Technology, Elsevier Science, Tianjin, 1994, 633～638
[50] der Voort Maschavan, Dougherty Mark and Watson Susan. Combining Kohonen Maps with ARIMA Time Series Models to Forecast Traffic Flow. Transportation Research, 1996, 4(C), 307～318
[51] Corinne Ledoux. An Urban Traffic Flow Model Integrating Neural Network. Transportation System Research, 1997, 5(5), 287～300
[52] 杨兆升．基丁Kalman滤波的事实交通流量预测模型．中国公路学报．1998．
[53] 朱中，杨兆升．实时交通流量人工神经网络预测模型．中国公路学报．1998．
[54] 孙喜梅．交通信息的组合预测方法．吉林大学博士论文．2003．
[55] 杨新苗，王炜．公交线路客流模糊神经网络预测模型．公路交通科技．2000，4(17)．
[56] 张利军，周育才，越爱琼．基于BP神经网络的道路交通事故预测．邵阳高等专科学校学报 2001．
[57] 马林才，陈文华，边浩毅．基丁BP神经网络的浙江省公路运输量的预测．浙江交通职业技术学院学报．2003．
[58] 尹宏宾，徐建闽，黄仕进．基于模糊神经网络的信号交叉口交通量预测．华南理工大学学报．2000．
[59] 郭郴生，刘伟铭，姜山．基于遗传神经网络的道路交通量预测．广西交通科技．2003．
[60] 刘洁，魏连雨，杨春风．基于遗传神经网络的交通量预测．长安大学学报．2003．
[61] 尹宏宾，徐建闽。利用模糊神经网络预测道路交通事故损失．公路交通科技 1999．
[62] 夏冰，董菁，张佐．周相似特性下的交通流预测模型研究．公路交通科技．2003．
[63] 赤松隆．交通——理论概要．交通工学，1997．
[64] Mechant D. k. and Nemhauser G.L. A model and An Algorithm for the Dynamic Traffic Assignment Problems. Transportation Science, 1978(a).
[65] Mechant D. k. and Nemhauser G.L. A model and An Algorithm for the Dynamic Traffic Assignment Problems. Transportation Science, 1978(b).
[66] Carey M.Optimal Time-Varying Flows on Congested Networks. Operation Research, 1978.
[67] Luque F.J.and Friesz T.1. Dynamic Traffic Assignment Considered as a Continuous time Optimal Control Problem. Presented at the TIM/ORSA Joint National Meeting, Washington, DC. 1980.
[68] Smith T.E., Tobin R.L. and Wie B.-W. A Variational Inequality Formulation of the Dynamic Network User Equilibrium Problem. Operation Research, 1993, 41, 79～191
[69] Ho J.K. Successive Liner Optimization Approach to the Dynamic Traffic Assignment Problem. Transportation Science, 1980, 14, 295～305
[70] Ran B. and LeBlanc L.J. Solving an Instantaneous Dynamic User Optimal Route Choice Model. Transportation Science, 1995, 29, 128～142
[71] 黄海军．城市交通网络平衡分析理论与实践．北京：人民交通出版社．1994．
[72] Aashtiani H.Z. and Magnani T.L. Equilibrium on Congested Transportation Network. SIAM J. of Algebraic and Discrete Methods, 1981,2,213,226.
[73] Friesz T.L., Luque F.J., Tobin R.L. and Wie B.-W. Dynamic Network Traffic Assignment Considered as a Continuous Time Optimal Control Problem. Operation Research, 1989, 37, 893～901.
[74] 河上省吾，沟上章志．交通量时间变动考虑道路交通量配分手关法研究．交通工学．Vol．20，No．6，pp．17-25，1985．
[75] 宫城俊彦，牧村和彦．时间带别交通配分手法关法研究．交通工学，1991．
[76] 杨兆升，朱中．离散时间动态随机交通分配模型．系统工程理论与实践．1998．1．
[77] 姜桂艳，杨兆升．准用户最优动态交通分配方法研究．中国公路学报．1998．8．
[78] 杨兆升．论智能运输系统．中国公路学报，1995．8．
[79] 杨佩昆等．用遗传算法求解考虑通行能力约束的运输网络平衡问题．公路交通科技．1998．9．
[80] 四兵锋，高自友．多模式的城市混合交通均衡配流模型计算法．公路交通科技．1999，3．
[81] 四兵锋，高自友．城市交通超级网络均衡配流模型计算法．公路交通科技．1998．5．
[82] 森津秀夫，松田洋二等，経路诱导交通情报提供问题点．土木计画学研究，讲演集．
[83] 古井捻雄，赤羽弘和，桑原雅夫．都市高速道路予测交通情报提供効果．土木学会第50惠年次学术讲演会概要集，第四部，pp．86-87．1995．
[84] 饭田恭敬．交通情报効果考虑経路选择行动动的分析，土木学会论文集，No．470，Ⅳ-20，pp．77-86，1993．
[85] 刘同明等．数据融合技术及其应用．北京：国防工业出版社．1998．9．
[86] 权太范．信息融合神经网络——模糊推理理论与应用，北京：国防工业出版社．2002。
[87] 秦前清，杨宗凯．实用小波分析．西安：西安电子科技大学出版社．1994．1．
[88] 李存军，杨儒贵，靳蕃．基于神经网络的交通流量融合预测方法．系统工程．2004，4．
[89] 高山纯一．乘降客调查用情报量乘换OD推计法．交通工程．1997 2(32)．
[90] 酒井浩一．首都高速道路起终点调查基OD推定精度检讨．1998 6(33)．
[91] 沈兰荪．数据采集技术．合肥：中国科学技术大学出版社．1990．8．
[92] 魏明，杨方廷，曹止清．交通仿真的发展及研究现状．系统仿真学报．2003，8(15)．
[93] 王震远，冷传才．城市道路交通微观仿真研究．北京建筑工程学院学报．2001．17(4)。
[94] 商蕾，高孝洪，蒋汉平．城市微观交通模型建模及仿真实现．武汉理工大学学报．2003．8．
[95] 景万象．混合交通流环境下信号配时研究．公路交通科技．2003，8．
[96] 马寿涛．城市道路交通流微观仿真系统，系统工程学报．2000．5(4)．
[97] 王正光．数据采集与处理．北京：国防工业出版社．1985．
[98] 黄贤武，郑莜霞．传感器原理及应用．北京：电子科技大学出版社．1999．
[99] 鹿岛茂．人手交通量调查精度关研究．1995．
[100] 陈守煜．工程模糊集理论与应用．北京：国防工业出版社．1998．11．
[101] 李荣钧．模糊多准则决策理论与应用．北京：科学出版社．2002．
[102] 李存军，邓红霞，靳蕃．基于数据融合的地铁客流量预测方法．铁道学报．2004，1．
[103] 刘同明．数据融合技术及其应用．北京：国防工业出版社．1998．9．
[104] 李洪志．信息融合技术．北京：国防工业出版社．1996．
[105] 康耀红．数据融合理论与应用．西安：西安电子科技大学出版社．1997，11．
[106] 杨静宇．战场数据融合技术．北京：兵器工业出版社．1994，12．
[107] 何友．多传感器信息融合及应用．北京：电子工业出版社．2000，11．
[108] 刘同明，夏祖勋，解洪成．数据融合技术及其应用，北京：国防工业出版社．2000．
[109] 罗森林．王越．周思永．多源数据处理技术—数据融合．系统工程与电子技术，1998，20(6)：61～65．
[110] 金先级．人工神经网络导论讲义．武汉：华中理工大学出版社．1996．
[111] 靳蕃．神经计算智能基础：原理·方法．成都：西南交通大学出版社．2000．
[112] 蒋宗礼．人工神经网络导论．北京：高等教育出版社．2001，8．
[113] 王伟．人工神经网络原理=入门与应用．北京：北京航空航天大学出版社．1995，10．
[114] 黄勇，应济等．基于多传感器信息融合的刀具监测技术．机电工程．1993(3)．
[115] 敬中良．基于模糊神经网络和D-S推理的智能特征信息融合研究，信息与控制．1997，2．
[116] 权太范．信息融合：神经网络——模糊推理理论与应用．北京：国防工业出版社。2002．
[117] 黄德双．神经网络模式识别系统理论．北京：电子工业出版社．1996．
[118] 虞和济．基于神经网络的智能诊断．北京：冶金工业出版社．2000，5．
[119] 杨春玲．刘国岁，倪晋麟．多传感器远距离目标跟踪．系统工程与电子技术， 1999，21(3)：42～47．
[120] 胡润洲．谈中国大城市交通战略调整．城市交通，1998．6．
[121] 东南大学数学教研组．积分变换．北京：高等教育出版社．2003．
[122] 郑祖武．现代城市交通．北京：人民交通出版社．1995．12．
[123] 沈建武，吴瑞麟．城市交通分析与道路设计．武汉：武汉大学出版社．1996．
[124] 段里仁．道路交通自动控制．北京：中国人民公安大学出版社．1991．
[125] 虞和济．设备诊断技术的现状及其发展．基础自动化．1996，5．
[126] 虞和济．基于神经网络的智能诊断．北京：冶金工业出版社．2000，5．
[127] 王耀南．智能控制系统．长沙：湖南大学出版社．1996．
[128] 郁文贤，雍少为，郭桂蓉．多传感器信息融合技术述评．国防科技大学学报．1994， 16(3)：248～253．
[129] 任若恩，王惠文．多元统计数据分析．北京：国防工业出版社．1997。
[130] 吴国富．实用数据分析方法．北京：中国统计出版社．1992．
[131] 王清印．灰色数学基础．武汉：华中理工大学出版社．1996，9．
[132] 王学萌．罗建军．灰色系统预测决策建模程序集．北京：科学普及出版社．1986，6．
[133] 邓聚龙．灰色系统理论教程．武汉：华中理工大学出版社．1990，11．
[134] 刘灿齐编著．现代交通规划学．北京：人民交通出版社．2001．
[135] 王学萌．灰色系统分析及实用计算程序．武汉：华中理工大学出版社．2001，9．
[136] 刘思峰，郭天榜．灰色系统理论及其应用．郑州：河南大学出版社．1991，2．
[137] 袁嘉祖．灰色系统理论及其应用．北京：科学出版社．1991，12．
[138] 刘思峰．灰色系统理论及其应用．北京：科学出版社．1999．
[139] 邓聚龙．灰色系统论文集．武汉：华中理工大学出版社．1989，4．
[140] 刘思峰，史开泉．灰色系统学术论文集．郑州：河南大学出版社．1993，2．
[141] 高隽．人工神经网络原理及仿真实例．北京：机械工业出版社．2003，8．
[142] 曾勇．人工神经网络在资本市场预测中的应用：[清华大学内部报告]．1997．
[143] RUMELHART D E. Learning representation by back-propagating errors. Nature, 1985, 51(4):533—536.
[144] 杨行峻，郑群里．人工神经网络与盲信号处理．北京：清华大学出版社．2003．
[145] 楼顺天．基于MATLAB的系统分析与设计—神经网络．西安：西安电子科技大学出版社．
[146] 何述东，瞿坦．电力负荷短期预测的改进神经网络方法．电力系统自动化，1997．
[147] 秦前清，杨宗凯．实用小波分析．西安：西安电子科技大学出版社．1994，1．
[148] 杨福生．小波变换的工程分析与应用．北京：科学出版社．1999，2．
[149] 郑治真．小波变换及其MATLAB工具的应用．北京：地震出版社．2001．
[150] (美)崔锦泰著，程正兴译．小波分析导论．西安：西安交通大学出版社．1995，1．
[151] 李建平，唐远炎．小波分析方法的应用．重庆：重庆大学出版社．1999．
[152] 程正兴．小波分析算法与应用．西安：西安交通大学出版社．1998，5．
[153] 李世雄．小波变换及其应用．北京：高等教育出版社．1997，7．
[154] Walter Gilbert G. Approximation of delta function by wavelets. J. Approx. Theory. 1992, 71: 329～343.
[155] Delyon B, et al. Accuracy analysis for wavelet approximations. IEEE Trans. On Neural Networks, 1995, 6(2): 332～347.
[156] Zhang J, et al. Wavelet neural networks for function learning.IEEE Trans. On Signal Processing, 1995.43(6): 1485～1479.
[157] Zhang Q, et al. Wavelet networks. IEEE Trans. On Neural Networks, 1992, 3(6): 889～898.
[158] 李存军，杨儒贵，张家树．基于小波变换的交通流量预测方法．计算机应用．2003，12．
[159] 李存军，杨儒贵，张家树．基于小波变换和Kalman滤波的城市路口交通流量组合预测方法．西南交通大学学报．2004，5．
[160] 刘增良，刘有才．模糊逻辑与神经网络=理论研究与探索．北京：北京航空航大大学出版社．1996，5．
[161] Meyer Y. Wavelets algorithms and applications. Philadelphia, PA: SIAM Press, 1993.
[162] Chui C K. An introduction to Wavelets. New York: Academic Press, 1992.
[163] 彭玉华．小波变换与工程应用．北京：科学出版社．1999．
[164] 王炜．交通工程学．南京：东南大学出版社．2002．
[165] 飞思科技产品研发中心．MATLAB 6.5辅助小波分析与应用．北京：电子工业出版社．2003．
[166] 李存军，邓红霞．用相关路段交通流逼近本路段流量的神经网络方法．交通运输工程与信息学报．2004，3．
[167] 李存军，邓红霞．基于城市路口相关性的交通流量预测．长安大学学报 2004，7．
[168] 周光亚，夏立显编著．非定量数据分析及其应用．北京：科学出版社．1993，8．
[169] 于秀林，任雪松．多元统计分析．北京：中国统计出版社．1999．
[170] 王学仁，王松桂编译．实用多元统计分析．上海：上海科学技术出版社．1990，9．
[171] 董菁，张毅，张佐，匡晓煊．基于主成分分析法的城市交通路口相关性分析，西南交通大学学报，2003；6(38)：619-622．
[172] Karhunen J. Representation and separation of signals using nonlinear PCA type learning. Neural Networks, 1994, 7(1) : 113～127.
[173] Sanger T. Optimal unsupervised learning in a single layer linear feed forward network. Neural Networks, 1989, 2(4) : 459～473.
[174] Xu Lei, Yuille A L. Robust principal component analysis by self-organizing rules based on statistical physics app roach. IEEE Trans on Neural Networks, 1995, 6 (1): 131～143.
[175] Comon P. Independent component analysis, a new concept, Signal Processing, 1994, 36 (3): 287～314.
[176] 杨松林．工程模糊论方法及其应用．北京：国防工业出版社．1996，4。
[177] 彭祖赠，孙韫玉．模糊(Fuzzy)数学及其应用．武汉：武汉大学出版社．2002,3．
[178] Conor J T, et al. Recurrent neural networks and robust time series prediction. IEEE Trans. On Neural Networks, 1995,5(2): 240～254.
[179] 闻新，宋屹曼．模糊系统和神经网络的融合技术．系统工程与电子技术，1999，21(5)：55～58
[180] 权太范，袁业术等．神经网络—模糊融合拓扑结构．电子学报，1996，24(4)：41～45．
[181] 周斌．神经—模糊INTER3融合系统在数据关联中的应用．哈尔滨工业大学硕士学位论文，1995．
[182] 马锐．神经网络与模糊融合控制方法的研究．哈尔滨工业大学硕士学位论文，1996．
[183] 王士同．模糊系统、模糊神经网络及应用程序设计．上海：上海科技文献出版社．1998．
[184] 武森．高维稀疏聚类知识发现．北京：冶金工业出版社．2003．
[185] 方开泰，潘恩沛．聚类分析．北京：地质出版社．1983．
[186] 汪培庄．模糊集合论及其应用．上海：上海科学技术出版社．1993，11．
[187] Sugeno M, Kang G T. Structure identification of fuzzy model, Fuzzy Sets Syst., 1986, 28: 329～349.
[188] 吴从忻，马明著．模糊分析学基础．北京：国防工业出版社．1991，7．
[189] 赵振宇，徐用懋著．模糊理论和神经网络的基础与应用．北京：清华大学出版社．1996．
[190] takagi T, Sug(?) M. Fuzzy identification of systems and it's application to modeling and co(?)ol. IEEE Trans. Syst., Man, Cybern., 1985, SMC-15: 116～132.
[191] Sugeno M, Kang G T. Structure identification of fuzzy model. Fuzzy Sets Syst., 1986, 28: 329～349.
[192] Wang L X, Mdndel J M. Fuzzy basis functions, universal approximation, and orthogonal lest square learning. IEEE Trans. Neural Networks, Sap. 1992, 3:807～813.
[193] Kosko B. Fuzzy systems as universal approximators. IEEE Int. Conf. Fuzzy Syst., 1992: 1153～1162,
[194] Ruspini E H. A new approach to clustering. Inform. Contr., July 1969, 15(1): 22～32.
[195] Bezdek J C. Pattern Recognition with Fuzzy Objective Function Algorithms. New York: Plenum, 1981.
[196] Keller J M, et al. A fuzzy k-nearest neighbour algorithm. IEEE Trans. Syst., Man, Cybern., 1985, SMC-15(4): 580～585.
[197] Zeng X-J, Singh M G. Approximation accuracy analysis of fuzzy systems as function approximators. IEEE Trans. On Fuzzy Systems, Feb. 1996, 4(1): 44～63.
[198] Homaifor A, McCormick E. Simultaneous design of membership functions and rule sets for fuzzy controllers using genetic algorithms. IEEE Trans. On Fuzzy Systems, 1995, 3(2): 129～139.
[199] Sun C T, Jang J S. A neural-fuzzy classifier and its applications. In: Proc. IEEE Int. Conf. Fuzzy Syst. San Francisco (CA):Mar. 1993. Ⅰ: 94～98.
[200] Juang C F, Lin C T. An on-line self-constructing neural fuzzy inference network and its applications. IEEE Tans. On Fuzzy Systems, Feb. 1998, 6(1): 12～32.
[201] Barada S, Singh H. Generating optimal adaptive fuzzy-neural models of dynamical systems with applications to control. IEEE Trans. on Systems, Man, and Cybernetics-Part C: Applications and Review, Aug. 1998, 28(3): 371～391.
[202] 楼顺天，基于MATLAB的系统分析与设计—模糊系统．西安：西安电子科技大学出版社．1999．
[203] 飞思科技产品研发中心．MATLAB 6.5辅助神经网络分析与设计．北京：电子工业出版社．2003．