论文摘要
针对目前高速公路交通状态预测大量使用单一数据源的不足,通过对收费站抽样刷卡数据与浮动车GPS数据的预处理,得到体现同一时间和同一空间的交通状态多源数据;采用极限学习机算法对高速公路交通状态进行预测和估计,并用行程时间指数TTI对道路交通状态进行估计;以广州机场高速公路南线为例,对比分析结果表明,采用多源数据融合模型得出的行程时间均方根误差和平均绝对百分比误差均小于单一数据源模型,且极限学习机在数据准确性与稳定性上均有良好效果,优化率分别为80.6%、53.7%。
论文目录
文章来源
类型: 期刊论文
作者: 姚午开,韩子雯,高志波
关键词: 公路交通,交通状态预测,数据融合,极限学习机,行程时间
来源: 公路与汽运 2019年03期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 公路与水路运输
单位: 长沙理工大学交通运输工程学院
基金: 国家自然科学基金项目(51678076,51408065)
分类号: U491
页码: 16-19+43
总页数: 5
文件大小: 614K
下载量: 362