摘要
综合考虑了道路的复杂性与意外事故的概率,对物流车辆安装GPS与信息处理模块,形成浮动数据库,结合历史数据与实时的路况形成预测数据集,数据集加载到神经网络中进行时间预测,预测过程中使用粒子群优化对权重系数进行优化,保证在特殊情况与意外事故中模型不会陷入局部最优。实际的测试证明,该方法对物流车辆等候时间的预测准确率高达93%,具有很强的实际意义。
In this paper, we considered comprehensively the complexity of the road conditions and the probability of accidents, then built a floating database from the data of the onboard GPS and information processing modules of the logistics enterprises and combined the historical data with the real-time road condition data to form the forecasting data sets. At the end, through an empirical testing, we demonstrated the accuracy and practical significance of the method.
出处
《物流技术》
北大核心
2014年第3期296-299,共4页
Logistics Technology
基金
浙江省供销社2013年度科研项目"基于供需平衡的农产品信息网络平台研究"(13SS09)
关键词
远距离
物流车辆
等候时间
浮动数据库
神经网络
long distance
logistics vehicle
waiting time
floating database
neural network