-
题名郑州航空港区停车问题分析与对策
- 1
-
-
作者
张泽有
-
机构
中国人民公安大学
-
出处
《交通企业管理》
2021年第6期49-51,共3页
-
文摘
随着经济的快速发展和人民生活水平的不断提高,我国机动车保有量呈现不断上升的趋势。在城市车多地少的大背景下,停车问题严重影响了居民的生活、工作甚至社会的发展,成为城市治理不可忽视的重要环节。笔者对郑州航空港经济综合试验区停车问题进行研究,以改善当地停车状况,并为新区停车治理提供参考。
-
关键词
停车调查
停车需求预测
停车管理
试验区:大型企业
-
分类号
U491.7
[交通运输工程—交通运输规划与管理]
-
-
题名基于ARMA-SVR的短时交通流量预测模型研究
被引量:15
- 2
-
-
作者
王博文
王景升
朱茵
王统一
张泽有
-
机构
中国人民公安大学交通管理学院
山东科技大学电气信息学院
-
出处
《公路交通科技》
CAS
CSCD
北大核心
2021年第11期126-133,共8页
-
基金
公安部公安理论及软科学研究计划项目(2020LLYJGADX020)
中国人民公安大学拔尖创新人才培养经费支持研究生科研创新项目成果(2021yjsky014)
中国人民公安大学公共安全行为科学实验室开放课题基金资助项目(2020SYS15)。
-
文摘
短时交通流量预测是辅助智能交通系统进行决策,解决拥堵问题,提高道路通行能力的关键任务。为提高模型对于小样本数据的拟合效果及速度,并充分挖掘交通流序列中存在的线性与非线性关系,将对于线性数据具备良好拟合效果,并且时间复杂度较低的自回归滑动平均(ARMA)模型与对于非线性、小样本数据具有计算准确率高、时间复杂度低等优势的支持向量回归(SVR)模型进行组合,提出一种残差优化组合预测模型。采用赤池信息准则对ARMA模型进行定阶,实现交通流量的线性拟合,并得到相应的残差序列。然后将重构后的残差序列作为SVR模型的输入,对残差序列进行预测,以补偿交通流量数据中的非线性变化。将ARMA、SVR、长短期记忆网络、人工神经网络及ARMA-SVR加权组合模型作为对照组进行模型评价。结果表明:样本的时间间隔分别为5,10,15 min时,ARMA-SVR残差优化组合模型的均方根误差(RMSE)及平均绝对误差(MAE)均小于对照组模型,RMSE降低约0.378~7.063,MAE降低约0.054~0.802;ARMA-SVR残差优化组合模型在不同的样本时间间隔下均具备较高的预测能力、较低的时间复杂度及数据计算成本,可以满足基于不同样本时间间隔的交通流量预测的需要。
-
关键词
智能交通
交通流量预测模型
自回归滑动平均模型
SVR模型
智能交通
-
Keywords
ITS
traffic volume prediction model
autoregressive moving average(ARMA)model
SVR model
intelligent transport
-
分类号
U491.14
[交通运输工程—交通运输规划与管理]
-