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

用蚁群算法求解两点间最短路径问题，matlab代码(Ant colony algorithm is used to solve the shortest path between two points, matlab code)

SLEUTH是CA模型的一种实现，是模型所需的6 种输入图层的首字母缩写而成（地形坡度 slope , 土地利用landuse , 排除图层exclusion , 城市空间范围 urbanextent , 交通网络 transportation ,地形阴影 hillshade）由美国加州大学克拉克( Cla r ke) 教授开发 , 它是关于城市空间增长与 土地利用变化的模型，假设未来现象可以由过去真实演化趋势模拟得到，同时假设历史增长趋势是持续的，并在全球范围得到广泛应用。(Introduct