Print

基于时空特性和灰色神经网络的短时交通流预测

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

  • 1 交通流的时空特性
  •   1.1 交通流的时间特性
  •   1.2 交通流的空间特性
  • 2 时空特性的交通流预测
  • 3 灰色神经网络组合预测模型
  •   3.1 灰色关联度分析
  •   3.2 灰色预测模型
  •   3.3 神经网络模型
  • 4 实例分析
  • 5 结束语

    • 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

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/1bce5b86256f508afda54475.html