車流量預(yù)測(cè)是城市智能交通系統(tǒng)研究中的熱難點(diǎn)問題之一,精確的車流量預(yù)測(cè)能有效地支持智能交通系統(tǒng)的發(fā)展,減少擁堵。同時(shí)車流量預(yù)測(cè)的精確度密切關(guān)系著居民的出行質(zhì)量。然而車流量受諸多因素的不同程度的影響,具有一定程度的隨機(jī)性、灰色性和不確定性,從城市交叉路口得到的車流量監(jiān)控?cái)?shù)據(jù)也具有一定程度的缺失和偏差,簡(jiǎn)單、準(zhǔn)確且高效地預(yù)測(cè)車流量成為一個(gè)挑戰(zhàn)�；诮徊媛房诓杉降能嚺谱R(shí)別數(shù)據(jù),通過對(duì)比經(jīng)典GM（1,1）得到的預(yù)測(cè)值與真實(shí)值計(jì)算出殘差,用殘差去修正計(jì)算模型進(jìn)而得到修正GM（1,1）模型,再用得到的修正模型迭代處理同一數(shù)據(jù)集,最后,數(shù)值穩(wěn)定收斂且精度高于未修正模型的結(jié)果。 

【文章來源】：計(jì)算機(jī)科學(xué). 2017,44(04)北大核心CSCD

【文章頁(yè)數(shù)】：5 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]基于MapReduce的城市道路旅行時(shí)間實(shí)測(cè)計(jì)算[J]. 張帥,趙卓峰,丁維龍,王曉暉.  計(jì)算機(jī)與數(shù)字工程. 2014(09)
[2]基于K-均值聚類算法RBF神經(jīng)網(wǎng)絡(luò)交通流預(yù)測(cè)[J]. 管碩,高軍偉,張彬,劉新,冷子文.  青島大學(xué)學(xué)報(bào)(工程技術(shù)版). 2014(02)
[3]短時(shí)交通流組合模型預(yù)測(cè)[J]. 沈國(guó)江,朱蕓,錢曉杰,胡越.  南京理工大學(xué)學(xué)報(bào). 2014(02)
[4]基于高斯核函數(shù)的短時(shí)交通流量預(yù)測(cè)[J]. 雷少梅,賈旭杰,于在洋.  中央民族大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(S1)
[5]基于支持向量機(jī)的城市道路交通狀態(tài)模式識(shí)別研究[J]. 于榮,王國(guó)祥,鄭繼媛,王海燕.  交通運(yùn)輸系統(tǒng)工程與信息. 2013(01)
[6]K近鄰短時(shí)交通流預(yù)測(cè)模型[J]. 于濱,鄔珊華,王明華,趙志宏.  交通運(yùn)輸工程學(xué)報(bào). 2012(02)
[7]一種改進(jìn)的灰色模型在交通量預(yù)測(cè)中的應(yīng)用[J]. 陳淑燕,陳家勝.  公路交通科技. 2004(02)



本文編號(hào)：3282146