论文摘要
为实现城市交通异常管理的主动式响应,给交通异常处置争取更多的时间,减少交通异常对城市路网的影响,提出了一种基于神经网络及关联性修正的交通异常预测方法。基于历史异常数据构建交通异常数据库,并定义了预测模型中的主要参数;构建了基于改进神经网络算法的交通异常预测模型,在此基础上,创新性地提出了结合不同单元区域背景概率及交通异常相关关系挖掘的预测修正算法,对预测结果进行关联性修正以得到最终更加准确的预测结果,大幅提升了模型的预测精度。应用哈尔滨市30 d实例数据训练了所提出的交通异常预测模型,用15 d数据进行了验证,结果表明经过关联性修正的预测模型成功预测次数明显增加,相较于传统方法,预测成功率提升了31.46%,皮尔逊检验值均大于1.642,预测的结果的可信度大于80%的置信水平。
论文目录
文章来源
类型: 期刊论文
作者: 安实,王雷,周超
关键词: 智能交通,交通异常事件,交通异常预测,神经网络,皮尔逊检验,关联性修正
来源: 交通信息与安全 2019年02期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 公路与水路运输,计算机软件及计算机应用,自动化技术
单位: 哈尔滨工业大学交通科学与工程学院,哈尔滨工业大学后勤集团
基金: 国家自然科学基金项目(51578199)资助
分类号: TP183;U495
页码: 10-17
总页数: 8
文件大小: 698K
下载量: 204