期刊文献+

基于短时交通流预测的城市区域交通信号控制研究 被引量:1

原文传递
导出
摘要 为提高城市道路交通运行能力,改善城市交通拥堵问题,提出建立基于小波神经网络算法的短时交通流预测模型,准确预测道路流量分布和交叉口拥挤程度,以更高效地开展交通信号控制工作,缩短车辆与行人的通行时间,提高民众出行效率,改善城市交通环境。
作者 姚平福
出处 《运输经理世界》 2022年第9期98-100,共3页 Transport Business China
  • 相关文献

参考文献9

二级参考文献75

  • 1方琴,李永前.K近邻短期交通流预测[J].重庆交通大学学报(自然科学版),2012,31(4):828-831. 被引量:13
  • 2龙建成,高自友,赵小梅.基于路段传输模型的道路出口渠化[J].吉林大学学报(工学版),2009,39(S2):41-46. 被引量:4
  • 3韩超,宋苏,王成红.基于ARIMA模型的短时交通流实时自适应预测[J].系统仿真学报,2004,16(7):1530-1532. 被引量:92
  • 4何兆成,余志.城市道路网络动态OD估计模型[J].交通运输工程学报,2005,5(2):94-98. 被引量:24
  • 5SUN Shi-liang, ZHANG Chang shui. The selective random subspace predictor for traffic flow forecasting [J]. IEEE Transactions on Intelligent Transportation Systems, 2007, 8(2) : 367-373.
  • 6YU Guo-qiang, ZHANG Chang-shui. Switching ARIMA model based forecasting for traffic flow[C]//IEEE. IEEE International Conference on Acoustics, Speech, Signal Processing. Quebec: IEEE, 2004: 429-432.
  • 7GHOSH B, BASU B, O'MAHONY M. Bayesian time-series model for short-term traffic flow forecasting[J]. Journal of Transportation Engineering, 2007, 133(3): 180-189.
  • 8SUN Shi-liang, ZHANG Chang-shui, Yu Guo-qiang. A Bayesian network approach to traffic flow forecasting [J]. IEEE Transactions on Intelligent Transportation Systems, 2006, 7(1): 124-132.
  • 9SONG Guo-jie, YANG Dong-qing, WU Ling, et al. A mixed process neural network and its application to churn prediction in mobile communications[C]//IEEE. Proceedings of the 6th IEEE International Conference on Data Mining Workshop. Hong Kong: IEEE, 2006: 798-802.
  • 10RENAUDO, STARCK J L, MURTAGH F. Prediction based on a multiscale decomposition[J]. International Journal of Wavelets, Multiresolution and Information Processing, 2003, 1(2): 217-232.

共引文献31

同被引文献3

引证文献1

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部