论文摘要
为了提高城市道路短时交通流的预测精度,提出一种基于时空变化特性和灰色神经网络的短时交通流预测模型。通过对道路短时交通流时间和空间特性的分析,将预测路段与相邻路段进行灰色关联度分析,深度挖掘道路交通流的空间信息,并利用灰色神经网络组合模型对预测路段进行短时交通流预测。以合肥市的道路实测数据进行实例分析,结果表明,相比单一时间序列预测模型,该方法有效提高了道路短时交通流的预测精度。
论文目录
文章来源
类型: 期刊论文
作者: 蔡翠翠,王本有,常志强
关键词: 智能交通,交通流预测,时空特性,灰色神经网络,预测精度
来源: 沈阳理工大学学报 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,自动化技术
单位: 皖西学院电子与信息工程学院
基金: 安徽省高校自然科学研究资助项目(KJ2018A0417),皖西学院校级自然重点资助项目(WXZR201820)
分类号: U491.1;TP183
页码: 32-36+43
总页数: 6
文件大小: 1119K
下载量: 157