本文關(guān)鍵詞：引入變化趨勢參數(shù)的短時(shí)交通流預(yù)測研究

  更多相關(guān)文章： 交通工程 城市交通 短時(shí)交通流預(yù)測 變化趨勢參數(shù) RBF神經(jīng)網(wǎng)絡(luò)

【摘要】：為了在預(yù)測中體現(xiàn)短時(shí)交通流序列的變化趨勢,提高預(yù)測精度,對短時(shí)交通流序列變化特征進(jìn)行研究,將其細(xì)分為上升趨勢、平穩(wěn)波動(dòng)趨勢、下降趨勢,并運(yùn)用轉(zhuǎn)折突變法求解變化趨勢參數(shù)。將變化趨勢參數(shù)作為一個(gè)輸入變量,建立徑向基(RBF)神經(jīng)網(wǎng)絡(luò)預(yù)測模型。選取實(shí)際交通流序列,計(jì)算其變化趨勢參數(shù),并對交通量進(jìn)行預(yù)測。研究結(jié)果表明:預(yù)測結(jié)果的最大相對誤差為5.72%,小于未引入變化趨勢參數(shù)預(yù)測的最大相對誤差;提出的變化趨勢參數(shù)能體現(xiàn)交通流變化趨勢,引入該參數(shù)能提高預(yù)測精度,該預(yù)測方法可行。
【作者單位】： 北京交通大學(xué)交通運(yùn)輸學(xué)院;
【關(guān)鍵詞】： 交通工程 城市交通 短時(shí)交通流預(yù)測 變化趨勢參數(shù) RBF神經(jīng)網(wǎng)絡(luò)
【基金】：國家自然科學(xué)基金項(xiàng)目(71340020)
【分類號】：U491.112
【正文快照】： 0引言實(shí)時(shí)準(zhǔn)確的短時(shí)交通流預(yù)測是交通智能控制與誘導(dǎo)的基礎(chǔ)。迄今為止,國內(nèi)外研究人員已提出了多種短時(shí)交通流預(yù)測模型,其中,應(yīng)用比較廣泛的有時(shí)間序列模型、向量自回歸模型、非參數(shù)回歸模型、神經(jīng)網(wǎng)絡(luò)模型、卡爾曼濾波、基于貝葉斯的組合預(yù)測方法等線性及非線性的預(yù)測模型[1

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 陳平;;一種改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)及其在短期交通量預(yù)測中的應(yīng)用[J];電氣自動(dòng)化;2003年01期

2 夏英;梁中軍;王國胤;;基于時(shí)空分析的短時(shí)交通流量預(yù)測模型[J];南京大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年05期

3 高慧;趙建玉;賈磊;;短時(shí)交通流預(yù)測方法綜述[J];濟(jì)南大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳浩勇,叢玉良,王宏志;基于神經(jīng)網(wǎng)絡(luò)的交通參數(shù)預(yù)測方法[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2005年06期

2 孫棣華;付青松;李永福;;基于量子神經(jīng)網(wǎng)絡(luò)的公交客運(yùn)量預(yù)測[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

3 向紅艷;肖盛燮;;模糊數(shù)學(xué)方法在交通流預(yù)測評價(jià)中的應(yīng)用[J];重慶交通學(xué)院學(xué)報(bào);2006年04期

4 張國強(qiáng),晏克非;動(dòng)態(tài)隨機(jī)狀態(tài)下的車輛導(dǎo)航及其路徑尋優(yōu)算法[J];長沙交通學(xué)院學(xué)報(bào);2002年03期

5 田光理;苑紅偉;牛德寧;;基于粗糙集理論的短時(shí)交通流組合預(yù)測研究[J];道路交通與安全;2010年02期

6 孫峰華;陸大道;柳新華;顧九春;王振波;;中國物流發(fā)展對渤海海峽跨海通道建設(shè)的影響[J];地理學(xué)報(bào);2010年12期

7 馬君;劉小冬;孟穎;;基于神經(jīng)網(wǎng)絡(luò)的城市交通流預(yù)測研究[J];電子學(xué)報(bào);2009年05期

8 曹樹志;項(xiàng)響琴;;基于改進(jìn)的K_Means算法的城市高架橋交通流分析[J];公路交通科技(應(yīng)用技術(shù)版);2010年10期

9 向紅艷;朱順應(yīng);;路段短時(shí)交通量預(yù)測自適應(yīng)控制法[J];公路交通科技;2006年01期

10 韓衛(wèi)國;王勁峰;高一鴿;胡建軍;;區(qū)域交通流的時(shí)空預(yù)測與分析[J];公路交通科技;2007年06期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前5條

1 楊文;張志敏;萬浩;;一種改進(jìn)的短期交通流量多步預(yù)測模型[A];轉(zhuǎn)型與重構(gòu)——2011中國城市規(guī)劃年會(huì)論文集[C];2011年

2 周欣榮;沙海云;高文寶;柴干;;卡爾曼濾波在短時(shí)段交通預(yù)測上的應(yīng)用[A];第一屆中國智能交通年會(huì)論文集[C];2005年

3 胡曉健;陸建;;基于二步自適應(yīng)的交通量實(shí)時(shí)預(yù)測模型[A];2007第三屆中國智能交通年會(huì)論文集[C];2007年

4 陳婧;謝磊;李備;;水路交通中的卡爾曼濾波算法綜述[A];第七屆中國智能交通年會(huì)論文集[C];2012年

5 楊錦偉;肖新平;郭金海;;基于灰關(guān)聯(lián)與少數(shù)據(jù)云推理的短時(shí)交通流預(yù)測[A];第25屆全國灰色系統(tǒng)會(huì)議論文集[C];2014年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 董春嬌;多狀態(tài)下城市快速路網(wǎng)交通流短時(shí)預(yù)測理論與方法研究[D];北京交通大學(xué);2011年

2 高聯(lián)雄;智能公交系統(tǒng)數(shù)據(jù)挖掘研究與應(yīng)用[D];北京郵電大學(xué);2011年

3 姚琛;基于信息提取計(jì)算的動(dòng)態(tài)交通數(shù)據(jù)分析及應(yīng)用[D];西南交通大學(xué);2011年

4 周劍峰;城市交通共用信息平臺數(shù)據(jù)處理技術(shù)研究[D];吉林大學(xué);2005年

5 Q，

本文編號：910508