基于交通流时空特性的道路网动态划分方法

提出了基于交通流时空特性的道路网动态划分方法,首先根据道路网的空间特性,建立度量各断面相近程度的广义空间距离模型。引进R-Q型因子分析法,对道路网进行空间层面上的划分;然后根据交通流时间特性,以实时获取交通流状态信息为输入,实现道路网的动态划分。最后采用城市快速路网进行实例分析,划分结果表明,子路网各断面交通流量之间具有很强的相似性。

基于Elman神经网络的道路网短时交通流预测方法

以道路子网为研究对象,采用Elman神经网络实现道路网多断面交通流短时预测.首先通过提取交通流空间特性对道路网进行划分,降低道路网整体分析复杂度及解空间维数,提高交通流预测的计算精度和效率;其次以实时采集的交通流数据为基础,并以重构的交通流时间序列作为输入,采用Elman神经网络实现道路网多断面交通流同时预测;最后,基于城市快速路多断面交通流量数据对短时交通流预测方法进行验证,并与BP神经网络预测结果进行对比分析.验证结果表明,本文提出的道路网划分方法能够划分出满足预测需求的子路网,在划分的子路网上,应用Elman神经网络能够实现道路网多断面同时预测,且预测效果优于BP神经网络.