期刊文献+
共找到518篇文章
< 1 2 26 >
每页显示 20 50 100
时空相关的道路网络短时交通流预测模型
1
作者 张俊溪 曲仕茹 +1 位作者 张志腾 毕杨 《北京交通大学学报》 CAS CSCD 北大核心 2024年第3期74-82,共9页
为有效解决复杂路网短时交通流预测问题中涉及的时空特征挖掘问题,提出一种基于改进长短时记忆神经网络(Improved Long Short-Term Memory, ILSTM)的交通流预测模型.首先,通过改进的遗传算法对长短时记忆神经网络(Long Short-Term Memor... 为有效解决复杂路网短时交通流预测问题中涉及的时空特征挖掘问题,提出一种基于改进长短时记忆神经网络(Improved Long Short-Term Memory, ILSTM)的交通流预测模型.首先,通过改进的遗传算法对长短时记忆神经网络(Long Short-Term Memory, LSTM)模型初始参数进行优化获得最优参数组合,解决LSTM初始参数设置对输出结果影响较大的问题.其次,针对复杂路网多路段交通流预测中遇到的空间特征提取问题,通过挖掘相关路段对目标路段交通流预测的影响程度,重新构建LSTM模型的损失函数,采用路网中相关路段对目标路段的影响系数,以损失函数输出值最小为终止条件,构建ILSTM模型.最后,选择加州公路局交通数据进行模型验证实验,采用遗传算法优化LSTM模型(Genetic Algorithm-LSTM, GA-LSTM)和单纯LSTM模型,以及皮尔森相关系数与LSTM组合模型(Pearson Correlation Coefficient-LSTM,PCC-LSTM),对工作日和周末数据的多次实验结果进行对比分析.实验结果表明:ILSTM模型能够充分考虑复杂路网交通流的时间和空间特征,预测平均误差约为1.16%,在收敛效率和预测精度方面均优于其他模型. 展开更多
关键词 智能交通 短时交通流预测 时空相关 短时记忆神经网络 损失函数
下载PDF
基于PSO-LSTM的短时交通流量预测网站设计 被引量:1
2
作者 王宁 成利敏 +1 位作者 甄景涛 段晓霞 《廊坊师范学院学报(自然科学版)》 2024年第1期29-32,共4页
短时交通流量预测是智能交通系统中的重要环节,选用在短时交通流量预测方面表现出色的LSTM神经网络,并利用PSO算法优化LSTM神经网络模型。实验结果表明,与传统LSTM模型相比,所构建的PSO-LSTM模型对未来5分钟和10分钟两种短时交通流量预... 短时交通流量预测是智能交通系统中的重要环节,选用在短时交通流量预测方面表现出色的LSTM神经网络,并利用PSO算法优化LSTM神经网络模型。实验结果表明,与传统LSTM模型相比,所构建的PSO-LSTM模型对未来5分钟和10分钟两种短时交通流量预测,达到了更高的准确率。在此基础上,设计了一个交通流量预测网站更好地展示了预测结果,也方便用户随时查询。 展开更多
关键词 智能交通系统 短时交通流量预测 LSTM神经网络 PSO算法 交通流量预测网站
下载PDF
结合变种残差模型和Transformer的城市公路短时交通流预测
3
作者 杨鑫 陈雪妮 +1 位作者 吴春江 周世杰 《计算机应用》 CSCD 北大核心 2024年第9期2947-2951,共5页
城市公路交通流的预测受到历史交通流量和相邻车道交通流量的影响,蕴含了复杂的时空特征。针对传统交通流预测模型卷积长短时记忆(ConvLSTM)网络进行交通流预测时,未将时空特征分开提取而造成的特征提取不充分、特征信息混淆和特征信息... 城市公路交通流的预测受到历史交通流量和相邻车道交通流量的影响,蕴含了复杂的时空特征。针对传统交通流预测模型卷积长短时记忆(ConvLSTM)网络进行交通流预测时,未将时空特征分开提取而造成的特征提取不充分、特征信息混淆和特征信息缺失等问题,对ConvLSTM模型作出改进。首先,提取每个采样时刻的交通流数据的短期时间特征和空间特征,并在特定的维度下将交通流的短期时空特征融合;其次,进行残差映射;最后,将映射后的短期时空特征交由Transformer模型捕捉交通流数据长期的时空特征,并根据所捕捉的长期特征对未来时刻每个采样点交通流进行预测。使用加州城市快速路数据对模型进行验证,以平均绝对误差(MAE)作为模型评价指标时,所提模型相较于Conv-Transformer模型,预测精度提高了18%,验证了所提模型的有效性。 展开更多
关键词 短时交通流预测 交通 时空特征提取 残差结构 TRANSFORMER 组合模型
下载PDF
基于季节性ARIMA模型的短时交通流预测方法研究
4
作者 俞乐澜 邵梓轩 +1 位作者 徐程 李涛 《交通世界》 2024年第25期2-5,共4页
综合道路特点、行驶时间和车辆的特征等信息,采用时间差值法筛除无效数据,剔除运营车数据;在通过序列分解与ADF-1平稳性检验后,提出基于季节性ARIMA模型的短时交通流预测技术,以探究该模型下车流量预测精度达到最佳预测效果时的最优采... 综合道路特点、行驶时间和车辆的特征等信息,采用时间差值法筛除无效数据,剔除运营车数据;在通过序列分解与ADF-1平稳性检验后,提出基于季节性ARIMA模型的短时交通流预测技术,以探究该模型下车流量预测精度达到最佳预测效果时的最优采样间隔;采用AIC准则对参数寻优定阶,ADF检验和差分分析选择最优的差分阶层;为确保模型的可靠性,使用Ljung-Box Q检验进行白噪声检验。结果表明,时间间隔为15 min的车流量统计模型SARIMA(1,1,2)×(2,0,0)4在预测精度和稳定性方面均优于其他时间间隔和传统的ARIMA模型。同时,该方法也具有一定的通用性,可以应用于其他领域的短时流量预测。 展开更多
关键词 短时交通流预测 季节性ARIMA模型 ADF-1检验 Ljung-Box Q检验
下载PDF
基于Transformer的短时交通流时空预测 被引量:1
5
作者 杨国亮 习浩 +1 位作者 龚家仁 温钧林 《计算机应用与软件》 北大核心 2024年第3期169-173,225,共6页
现有的交通流预测模型未能全面获取路网的空间依赖,忽略了周期性对交通流量的影响,且缺乏对全局时间依赖的建模能力。针对以上问题,提出一种结合Transformer的动态扩散卷积门控循环单元预测模型。该模型利用动态扩散卷积网络和门控循环... 现有的交通流预测模型未能全面获取路网的空间依赖,忽略了周期性对交通流量的影响,且缺乏对全局时间依赖的建模能力。针对以上问题,提出一种结合Transformer的动态扩散卷积门控循环单元预测模型。该模型利用动态扩散卷积网络和门控循环单元对交通流的近期、日周期和周周期三个时间进行时空建模;使用Transformer层获取全局时间依赖关系;将各组件输出进行加权融合,生成预测结果。实验结果表明,该方法相较基准模型能有效降低预测误差,准确预测交通演化态势。 展开更多
关键词 短时交通流预测 扩散卷积 门控循环单元 TRANSFORMER
下载PDF
基于VMD-HSSA-BP神经网络模型的短时交通流预测 被引量:1
6
作者 孔思琴 《电子设计工程》 2024年第10期1-7,共7页
针对交通流数据的非平稳性和短时交通流预测高精度要求的问题,提出了一种由变分模态分解(VMD)、改进麻雀搜索算法(HSSA)和BP神经网络的组合预测模型。模型利用变分模态分解降低历史交通流数据的非平稳性,使用Hammersley和自适应控制因... 针对交通流数据的非平稳性和短时交通流预测高精度要求的问题,提出了一种由变分模态分解(VMD)、改进麻雀搜索算法(HSSA)和BP神经网络的组合预测模型。模型利用变分模态分解降低历史交通流数据的非平稳性,使用Hammersley和自适应控制因子分别改进麻雀搜索算法种群初始化和发现者位置更新公式,提高麻雀搜索算法的收敛速度和寻优能力,使用改进后的麻雀搜索算法寻找BP神经网络的最优权值和阈值,提升BP神经网络预测的精准度。通过仿真,将模型与现有模型进行对比,模型预测结果更好,验证了模型能克服交通流数据非平稳性,并具有较好的预测精度。 展开更多
关键词 短时交通 BP神经网络 VMD分解 麻雀搜索算法
下载PDF
基于VMD-ISSA-LSTM的短时交通流预测研究
7
作者 庞学丽 宋坤 +2 位作者 姚红云 李一博 曹志富 《现代电子技术》 北大核心 2024年第8期31-36,共6页
针对城市短时交通流随机波动性强、可靠性低、预测精度差等问题,将变分模态分解(VariationalMode Decomposition,VMD)和改进麻雀搜索算法(ImproveSparrowSearchAlgorithm,ISSA)与长短期记忆(LongShort-Term Memory, LSTM)神经网络相结合... 针对城市短时交通流随机波动性强、可靠性低、预测精度差等问题,将变分模态分解(VariationalMode Decomposition,VMD)和改进麻雀搜索算法(ImproveSparrowSearchAlgorithm,ISSA)与长短期记忆(LongShort-Term Memory, LSTM)神经网络相结合,建立一种短时交通流预测模型(VMD-ISSA-LSTM)。首先利用VMD对历史原始交通流数据进行分解;然后采用佳点集、正弦函数扰动和Tent混沌映射等策略对标准的SSA算法加以改进,增强ISSA算法的寻优能力;最后,将每个分量送入ISSA-LSTM中进行预测,同时将预测结果线性叠加,得到交通流量预测值。以上海市中山北路-曹杨路口2018年11月1日—30日的历史交通数据对模型进行验证。结果表明,与LSTM、VMD-LSTM、VMD-SSA-LSTM等传统预测模型相比,VMD-ISSA-LSTM模型的预测结果的平均绝对百分比误差为1.278 4%,能够更好地应用于短时交通流预测中。 展开更多
关键词 短时交通流预测 变分模态分解 改进麻雀搜索算法 长短期记忆神经网络 佳点集 正弦函数扰动 Tent混沌映射
下载PDF
基于CS算法优化的SVM短时交通流预测模型 被引量:1
8
作者 兰添贺 曲大义 +1 位作者 陈昆 刘浩敏 《青岛理工大学学报》 CAS 2024年第1期134-140,共7页
为了提高短时交通流预测模型的准确度,提出一种基于布谷鸟搜索算法(Cuckoo Search,CS)优化的支持向量机(Support Vector Machine,SVM)短时交通流预测模型(CS-SVM)。选取青岛市内的多组典型城市路段作为研究对象,将观测收集的车流量数据... 为了提高短时交通流预测模型的准确度,提出一种基于布谷鸟搜索算法(Cuckoo Search,CS)优化的支持向量机(Support Vector Machine,SVM)短时交通流预测模型(CS-SVM)。选取青岛市内的多组典型城市路段作为研究对象,将观测收集的车流量数据作为学习样本。利用CS算法对SVM模型的主要参数进行优化,建立以SVM为基础的短时交通流预测模型。最后将CS-SVM模型与多种现有模型进行仿真分析。结果表明,CS-SVM模型相比其他传统模型具有更低的预测误差和更好的稳定性,CS-SVM模型相比SVM模型的MAE值下降了6.56%,RMSE值下降了7.36%。因此该模型能够为城市交通出行和交通流理论研究提供有效帮助。 展开更多
关键词 短时交通流预测 城市道路交通 布谷鸟搜索算法 支持向量机
下载PDF
基于CBAM&ConvLSTM的短时交通拥塞预测
9
作者 余文斌 沈鑫禹 +3 位作者 钱铭 冯昊 王苏勋 张成军 《信息技术》 2024年第6期1-7,共7页
短时交通拥塞预测是智能交通的重点问题,其难点在于时空序列的数据处理和特征提取。卷积长短期记忆网络(Convolutional Long Short-Term Memory, ConvLSTM)适合处理兼具时间和空间相关性的交通数据。而卷积注意力机制(Convolutional Blo... 短时交通拥塞预测是智能交通的重点问题,其难点在于时空序列的数据处理和特征提取。卷积长短期记忆网络(Convolutional Long Short-Term Memory, ConvLSTM)适合处理兼具时间和空间相关性的交通数据。而卷积注意力机制(Convolutional Block Attention Module, CBAM)在空间和时间维度引入注意力机制,使模型对于数据的变化更加敏感。文中结合ConvLSTM和CBAM,设计了一种新模型,对短时交通拥塞进行预测。实验基于百度地图实时数据,并与其他主流模型进行了比较。结果表明,该模型在交通数据的适应性方面优于其他模型,为解决交通拥塞的预测问题提供了一种新的思路和方法。 展开更多
关键词 深度学习 短时交通拥塞预测 卷积长短期记忆网络 卷积注意力机制 时空预测
下载PDF
基于完全自适应噪声集合经验模态分解的短时交通流组合预测
10
作者 熊浩 张丽 郝椿淋 《物流科技》 2024年第19期97-103,共7页
为了提高短时交通流预测的准确性,鉴于短时交通流非平稳、难预测的特征,提出了基于完全自适应噪声集合经验模态分解(CEEMDAN)短时交通流组合预测方法。利用CEEMDAN将原始短时交通流信号进行分解得多个复杂度、频率不同的时间序列分量,... 为了提高短时交通流预测的准确性,鉴于短时交通流非平稳、难预测的特征,提出了基于完全自适应噪声集合经验模态分解(CEEMDAN)短时交通流组合预测方法。利用CEEMDAN将原始短时交通流信号进行分解得多个复杂度、频率不同的时间序列分量,利用排列熵算法(PE算法)计算各分量的复杂度;然后根据复杂度和随机性的不同分为高频和低频,分别使用ATT-TCN-BIGRU模型和ARIMA模型对高频分量和低频分量进行预测,最后叠加高频和低频的每个分量预测结果作为最终短时交通流预测值。仿真分析结果表明:与ARIMA模型、TCN模型、BIGRU模型、ATT-TCN-BIGRU模型相比,此模型的平均绝对误差及平均绝对百分比误差为最小,预测精度更高。 展开更多
关键词 短时交通流预测 完全自适应噪声集合经验模态分解 排列熵 组合预测
下载PDF
基于深度学习的短时交通流预测方法综述与仿真研究
11
作者 朱仕威 叶宝林 吴维敏 《软件导刊》 2024年第2期182-193,共12页
近年来,随着城市路网交通检测设备和城市数据存储基础设施的升级换代以及深度学习技术的快速发展,应用深度学习技术解决城市路网短时交通流预测问题已成为智能交通领域的一个研究热点。不同于传统短时交通流预测方法,基于深度学习的短... 近年来,随着城市路网交通检测设备和城市数据存储基础设施的升级换代以及深度学习技术的快速发展,应用深度学习技术解决城市路网短时交通流预测问题已成为智能交通领域的一个研究热点。不同于传统短时交通流预测方法,基于深度学习的短时交通流预测方法能充分利用海量交通流数据,深入挖掘路网中不同交通节点间流量的隐藏特征与复杂时空关联,能有效提升预测短时交通流的精度。首先,简要回顾短时交通流预测方法的发展历史,重点分析、讨论基于深度学习模型的短时交通流预测方法最新技术进展和理论研究结果。其次,梳理、总结国内外广泛用于验证算法有效性和进行比较分析的公开交通流数据集。再次,阐述基于深度学习模型的短时交通流预测算法解决实际交通流预测问题的具体过程和详细步骤,基于公开测试数据集PEMS04分别对基于深度学习模型长短时记忆网络(LSTM)和门控循环单元(GRU)的短时交通流预测算法进行仿真研究,以验证算法的有效性及其相较于传统方法的优势。最后,总结、展望基于深度学习模型的短时交通流预测方法在实际应用中存在的挑战和未来研究方向。 展开更多
关键词 短时交通流预测 深度学习 时间序列 交通数据集 卷积神经网络
下载PDF
基于图Transformer网络的城市路网短时交通流预测模型
12
作者 周烽 王世璞 张坤鹏 《科学技术与工程》 北大核心 2024年第10期4307-4316,共10页
针对城市路网短时交通流预测问题,在考虑路网交通状态时空相关性基础上,提出了一种基于图Transformer(graph transformer,Graformer)的预测方法。该方法将多条路段的交通状态预测问题转化为图节点状态预测问题,针对区分相同结构的空间... 针对城市路网短时交通流预测问题,在考虑路网交通状态时空相关性基础上,提出了一种基于图Transformer(graph transformer,Graformer)的预测方法。该方法将多条路段的交通状态预测问题转化为图节点状态预测问题,针对区分相同结构的空间路网结构图,将带有边的图同构网络(graph isomorphism network with edges,GINE)和Transformer网络相结合,对交通状态在路网层面的时空相关性进行建模,从而实现城市路网短时交通流预测。具体来说,Graformer模型首先利用长短期记忆网络(long short-term memory,LSTM)对交通数据的时序信息进行预处理,接着采用基于GINE与Transformer的全局注意力机制提取交通数据的空间特征,最后实现路网各路段交通流的同步预测。 展开更多
关键词 短时交通流预测 图同构网络 TRANSFORMER 时空相关性
下载PDF
基于XGBoost算法的高速公路短时交通流量预测
13
作者 赵霞 高源 +2 位作者 赵莉 唐嘉立 李之红 《市政技术》 2024年第10期31-36,共6页
在快速城市化背景下,高速公路交通流畅度对经济效率与民众生活至关重要,故在复杂多变的高速公路网中,快速精准预测交通流量成为实时交通管理的核心前提。然而,由于短时交通流具有非线性和随机变化的特点,交通流量的准确预测一直面临着... 在快速城市化背景下,高速公路交通流畅度对经济效率与民众生活至关重要,故在复杂多变的高速公路网中,快速精准预测交通流量成为实时交通管理的核心前提。然而,由于短时交通流具有非线性和随机变化的特点,交通流量的准确预测一直面临着巨大的挑战。为了克服这些挑战,构建了一种基于XGBoost算法的短时交通流量预测模型,旨在提高交通流量预测的准确性。该模型基于XGBoost算法的强大学习能力和优秀的泛化性能,通过对历史交通流量数据的学习,能够更好地捕捉交通流的复杂模式和规律。为了检验XGBoost模型的准确性和有效性,使用江西永武高速公路某路段ETC门架数据进行了一系列测试,并将结果与传统的ARIMA、BP、GBDT、Prophet模型进行了比较。实验结果表明,相比于传统的预测模型,XGBoost模型在短时交通流量预测中具有更高的预测精度。这将为公路交通管理部门提供更有效的决策支持,帮助其优化交通流,减少交通拥堵,提高交通运行效率。 展开更多
关键词 智能交通 短时交通流量预测 XGBoost ETC卡口 高速公路
下载PDF
基于CNN-LSTM-AM的短时交通流量预测
14
作者 汤泽慧 赵丹 王晟由 《科学技术与工程》 北大核心 2024年第31期13562-13567,共6页
短时交通流量预测对于提高实时交通数据信息的精准性及增加车辆道路行驶的效益性具有重要意义。为能准确预测未来短期交通流量情况,支持智能交通系统的应用和决策,提出一种基于CNN-LSTM-AM的短时交通流量预测模型。首先利用卷积神经网络... 短时交通流量预测对于提高实时交通数据信息的精准性及增加车辆道路行驶的效益性具有重要意义。为能准确预测未来短期交通流量情况,支持智能交通系统的应用和决策,提出一种基于CNN-LSTM-AM的短时交通流量预测模型。首先利用卷积神经网络(convolutional neural network,CNN)来对交通流序列进行信息捕捉,从而提取交通流数据的动态变化特征;其次将所提取的特征向量构成时间序列作为长短期记忆(long short-term memory,LSTM)网络的输入;最后根据注意力机制(attention mechanism,AM)来分配LSTM隐含层不同权重,增强重要特征的作用,完成交通流量预测。采用美国加利福尼亚州高速路网数据库PeMS里面的相关数据信息,通过实验与其他神经网络预测模型进行对比,结果显示,CNN-LSTM-AM模型的相对平均误差(mean absolute percentage error,MAPE)值为0.254578%,R^(2)=0.583152,预测能力优于其他对比模型。其所用方法可以对未来短时交通流量预测提供一种思路模型。 展开更多
关键词 短时交通流量预测 CNN LSTM网络 注意力机制
下载PDF
改进麻雀搜索算法优化BP神经网络的短时交通流预测
15
作者 王珅 李昕光 +1 位作者 詹郡 吕桐 《青岛理工大学学报》 CAS 2024年第1期126-133,140,共9页
针对BP神经网络预测短时交通流量过于依赖初始参数的问题,提出一种基于改进麻雀搜索算法(ISSA)来优化BP神经网络的短时交通流预测模型(ISSA-BP)。针对标准麻雀搜索算法(SSA)易收敛于原点,容易陷入局部最优等问题,对麻雀群体中的发现者... 针对BP神经网络预测短时交通流量过于依赖初始参数的问题,提出一种基于改进麻雀搜索算法(ISSA)来优化BP神经网络的短时交通流预测模型(ISSA-BP)。针对标准麻雀搜索算法(SSA)易收敛于原点,容易陷入局部最优等问题,对麻雀群体中的发现者和部分加入者的位置更新公式分别进行改进,改进后的发现者将基于搜索维度的大小和当前最优值的位置来进行全局搜索,部分加入者将根据其与最优位置之间的距离来进行全局搜索。通过实验对BP,PSO-BP,SSA-BP,ISSA-BP 4种短时交通流预测模型的预测效果进行对比分析,结果显示,ISSA-BP短时交通流预测模型的误差最小,ISSA-BP模型相较BP模型在MAE评价指标上的预测精度提升了48.85%,有着更好的预测精度。 展开更多
关键词 短时交通流预测 算法优化 改进麻雀搜索算法 BP神经网络 基准测试函数
下载PDF
基于交通小区短时交通生成预测的城市道路网短时动态交通预测研究
16
作者 沈玲宏 赵顗 王祉祈 《计算机与数字工程》 2024年第1期294-300,共7页
城市道路周边用地性质的不同导致短时发生和吸引交通量的差异,直接影响城市道路网上的交通流。论文对城市路网中各地块的发生和吸引交通量进行短时预测,将预测的交通量通过动态交通分配到城市路网中,以此实现城市路网短时动态交通预测... 城市道路周边用地性质的不同导致短时发生和吸引交通量的差异,直接影响城市道路网上的交通流。论文对城市路网中各地块的发生和吸引交通量进行短时预测,将预测的交通量通过动态交通分配到城市路网中,以此实现城市路网短时动态交通预测。将单一的BP神经网络模型为对比模型,对模型进行训练及参数标定,并检验模型的预测效果。实验结果表明,论文所提的预测方法与BP神经网络相比,预测精度最高可提升84.28%。 展开更多
关键词 短时交通预测 小波分析 神经网络 交通分配 组合预测模型
下载PDF
基于K-means与GRNN的高原山区高速公路短时交通流预测
17
作者 林美 梁艳洁 陆彬 《交通节能与环保》 2024年第2期67-73,共7页
为了研究可适用于高原山区高速公路短时交通流的预测方法,以及预测方法思路对绩效的影响,提出基于广义回归神经网络(General Regression Neural Network,GRNN),构建K均值聚类算法(K-means clustering algorithm,K-means)与GRNN混合预测... 为了研究可适用于高原山区高速公路短时交通流的预测方法,以及预测方法思路对绩效的影响,提出基于广义回归神经网络(General Regression Neural Network,GRNN),构建K均值聚类算法(K-means clustering algorithm,K-means)与GRNN混合预测方法思路,即通过K-means和绩效指标判断GRNN模型参数最佳值,进而建立最佳预测模型。与传统上通过经验或一定指标判断模型参数值的思路相比,采用K-means和GRNN混合预测思路得出的模型参数值更佳,且模型RMSE、MAE最高可分别改善45.92%、45.05%,则构建的混合预测方法思路是科学有效的,可为高原山区交通流预测方法优化提供借鉴。 展开更多
关键词 运输规划与管理 短时交通流预测 GRNN K-MEANS 高原山区高速公路
下载PDF
高原山区高速公路短时交通流预测方法
18
作者 林美 《黑龙江交通科技》 2024年第6期144-150,共7页
准确的短时交通流预测是有效避免高原山区高速公路交通事故的关键。高原山区高速公路受高海拔地形影响,短时交通流数据特性较平原区域的更复杂,适用于平原区域的预测模型不一定适用于高原山区。选取SARIMA、GRNN、LSTM模型分别作为数理... 准确的短时交通流预测是有效避免高原山区高速公路交通事故的关键。高原山区高速公路受高海拔地形影响,短时交通流数据特性较平原区域的更复杂,适用于平原区域的预测模型不一定适用于高原山区。选取SARIMA、GRNN、LSTM模型分别作为数理统计、传统机器学习、深度学习三类预测模型的代表,以四川省阿坝藏族羌族自治州G4217蓉昌高速汶川至马尔康收费站收费数据为样本。结果显示:三种模型均具有较好的预测性能,其中SARIMA和LSTM模型预测效果相当,R2均接近0.97,且较GRNN模型的MAE分别减少了53.12%、57.70%,MAPE分别减少了38.19%、43.72%。研究表明即使数理统计类模型亦可较好预测高原山区高速公路短时交通流,且数据对模型有选择,LSTM模型预测效果最佳,SARIMA模型次之,GRNN模型较差。 展开更多
关键词 高原山区高速公路 交通事故 短时交通流预测
下载PDF
高速公路建筑施工的短时交通流量统计预测的大数据分析
19
作者 刘艳荣 《工程抗震与加固改造》 北大核心 2024年第1期I0003-I0003,共1页
城市道路路网建设直接关系着市民的生活质量与城市的未来发展状况。现今时代,交通拥堵问题已成为城市发展过程中不可避免的重要问题,如何解决交通拥堵问题更是成为了城市可持续发展的重要前提。为了构建一个科学合理的城市道路交通体系.
关键词 交通拥堵问题 短时交通流量 道路交通体系 路网建设 城市道路 大数据分析 高速公路 统计预测
下载PDF
基于WNN模型的短时交通量预测研究
20
作者 高毅 罗宇文 +1 位作者 邱均远 曾健林 《工程经济》 2024年第5期53-61,共9页
科学准确预测运营期公路交通量是实现智能交通系统的重要组成部分,并能对公路基础设施的优化设置提供关键支持。本文采用小波神经网络、GA-BP、SVM、GA-LSSVM、PSO-LSSVM五种模型对短时交通量进行预测,并将预测值与实际值进行对比。研... 科学准确预测运营期公路交通量是实现智能交通系统的重要组成部分,并能对公路基础设施的优化设置提供关键支持。本文采用小波神经网络、GA-BP、SVM、GA-LSSVM、PSO-LSSVM五种模型对短时交通量进行预测,并将预测值与实际值进行对比。研究发现:神经网络预测模型整体优于支持向量机及其优化模型,能提升交通量预测的有效性和准确性,其中GA-BP模型相对于其他模型在短期交通量预测中具有预测精度高、收敛速度快的特点,能满足公路运营管理及智能交通需求。 展开更多
关键词 公路 神经网络 SVM 短时交通量预测
下载PDF
上一页 1 2 26 下一页 到第
使用帮助 返回顶部