期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到244篇文章
< 1 2 … 13 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于马尔柯夫过程的交叉路口车流量预测模型研究 被引量：1
1
作者 蒋亚平 郭俊亮 《郑州轻工业学院学报（自然科学版）》 CAS 2012年第6期21-23,31,共4页
为了预测城市交叉路口交通控制系统中每个相位的车辆流量,进而在一个信号周期内合理分配每个相位的时间,建立了交叉路口车流量预测模型.该模型运用马尔柯夫分析方法,把各相位定义为当前状态,经片段时候后,系统只要掌握转化为另一状态的... 为了预测城市交叉路口交通控制系统中每个相位的车辆流量,进而在一个信号周期内合理分配每个相位的时间,建立了交叉路口车流量预测模型.该模型运用马尔柯夫分析方法,把各相位定义为当前状态,经片段时候后,系统只要掌握转化为另一状态的可能性,即可制订出相应的控制策略.试验结果表明该算法预测的车流量与实测车流量之间的误差比较小,在短时预测车流量方面是可行的. 展开更多
关键词 马尔柯夫过程 交叉路口短时交通预测 车流量预测
在线阅读 下载PDF
基于ARIMA的城市交叉路口交通流预测建模 被引量：6
2
作者 徐翠翠 《电子设计工程》 2022年第2期20-23,共4页
传统城市交叉路口交通流预测方法受到交通流随机性影响,导致交通流预测精准度较低,为此提出基于ARIMA的城市交叉路口交通流预测建模。考虑时间的随机性,分析交通流预测建模原理。以路口主干道车流为研究对象,构建数据向量矩阵,计算该矩... 传统城市交叉路口交通流预测方法受到交通流随机性影响,导致交通流预测精准度较低,为此提出基于ARIMA的城市交叉路口交通流预测建模。考虑时间的随机性,分析交通流预测建模原理。以路口主干道车流为研究对象,构建数据向量矩阵,计算该矩阵的平均相关系数,确定两个数据向量间的协方差。提取现场每天24 h交通流数据,分析不同时间序列的交通流特征。预测残差下的非平稳时间序列,由此控制时间序列预测误差。依据交通流预测实现流程,构建交通流实时预测模型。由实验结果可知,该模型早高峰和晚高峰时段交通流预测结果与实际值一致,具有精准的预测结果。 展开更多
关键词 ARIMA 城市交叉路口 交通流 预测建模
在线阅读 下载PDF
基于多分支ResCovLSTM的城市轨道交通短时客流预测模型
3
作者 刘燕 李恒如 谷卫 《现代城市轨道交通》 2025年第2期130-139,共10页
随着城市化进程的加速,城市轨道交通客流预测对于提高运营效率和服务质量愈发重要。然而,现有模型在处理大规模、多维度数据时面临预测精度不足和计算复杂度高的挑战。为解决该问题,文章提出一种基于多分支ResCovLSTM的深度学习模型,创... 随着城市化进程的加速,城市轨道交通客流预测对于提高运营效率和服务质量愈发重要。然而,现有模型在处理大规模、多维度数据时面临预测精度不足和计算复杂度高的挑战。为解决该问题,文章提出一种基于多分支ResCovLSTM的深度学习模型,创新性地设计4个独立分支,分别处理天气与空气质量、流入量、流出量以及网络拓扑结构等关键因素。通过融合残差网络、CovLSTM和卷积注意力等模块,有效提升预测精度和模型泛化能力。实验结果表明,该模型在单步和多步预测中均表现出色,显著降低预测误差。以WMAPE为例,模型在单步预测中的WMAPE仅为8.625 1%,相比次优模型降低0.16%,证明模型的有效性和优越性。 展开更多
关键词 城市轨道交通 短时客流预测 多步预测 深度学习 ResCovLSTM
在线阅读 下载PDF
基于CEEMD和PSO优化LSTM的短时交通流预测方法
4
作者 张龄允 《中国交通信息化》 2025年第S1期186-190,共5页
短时交通流预测是交通状态判别和道路交通拥堵的重要基础。为了提高短时交通流的预测准确性和学习效率,依托高速公路运营积累的大量数据资源,本文提出了一种基于CEEMD和PSO优化LSTM的组合预测模型。首先,通过CEEMD减少噪声对交通流预测... 短时交通流预测是交通状态判别和道路交通拥堵的重要基础。为了提高短时交通流的预测准确性和学习效率,依托高速公路运营积累的大量数据资源,本文提出了一种基于CEEMD和PSO优化LSTM的组合预测模型。首先,通过CEEMD减少噪声对交通流预测的影响;其次,利用动态惯性权重、自适应变异操作对PSO进行改进,提升算法的搜索效率;最后,基于LSTM算法建立预测模型,并利用改进后的PSO算法来优化LSTM的网络参数。采用美国PeMS交通流数据,对该模型进行了实验验证,结果表明,本文提出的短时交通流预测方法能有效提高短时交通流的预测精度和收敛速度,可为日后高速公路运营决策提供理论支持。 展开更多
关键词 智能交通 短时交通流预测 改进粒子群优化算法 长短时记忆网络 交通拥堵
在线阅读 下载PDF
面向高速公众出行的短时交通流预测研究
5
作者 张慧燚 白玉琼 《山西交通科技》 2025年第1期135-139,共5页
短时交通流预测正迅速成为交通管理系统中的关键工具。为实现准确的交通流预测,设计了基于遗传算法改进的小波神经网络模型,该模型能够综合考虑多种因素,如历史交通数据、道路状况等,从而提高交通流预测的精度,同时针对高速公众出行场... 短时交通流预测正迅速成为交通管理系统中的关键工具。为实现准确的交通流预测,设计了基于遗传算法改进的小波神经网络模型,该模型能够综合考虑多种因素,如历史交通数据、道路状况等,从而提高交通流预测的精度,同时针对高速公众出行场景提供面向用户的差异化出行信息发布功能。研究为用户提供了更好的出行决策支持,促进了交通系统的高效运行。 展开更多
关键词 高速公众出行场景 短时交通流 交通流预测 小波变换 遗传算法
在线阅读 下载PDF
基于随机森林算法的短时交通流量预测平台建设
6
作者 琚冬祥 袁红叶 +2 位作者 董威 夏怡 何日升 《中国交通信息化》 2025年第3期94-97,115,共5页
随着城市化进程的加快和人们出行需求的增长,高速公路作为重要的交通基础设施,其流量预测尤为重要。随机森林算法是一种由决策树构成的集成学习算法,通过组合多棵决策树的预测结果来提升模型的准确性和稳健性,能够有效降低算法的过拟合... 随着城市化进程的加快和人们出行需求的增长,高速公路作为重要的交通基础设施,其流量预测尤为重要。随机森林算法是一种由决策树构成的集成学习算法,通过组合多棵决策树的预测结果来提升模型的准确性和稳健性,能够有效降低算法的过拟合风险。本文提出使用随机森林回归模型,融合道路流量、事故和异常天气数据,对高速公路断面短时交通流量进行预测,并基于预测模型,通过实时采集、处理的道路交通数据信息,建设短时交通流量预测平台,为道路交通相关管理者提供未来道路流量的可视化预测信息,以提高道路交通管理效能,进一步推动高速公路运营管理的智能化发展。 展开更多
关键词 随机森林 数据融合 短时交通流量预测 平台建设
在线阅读 下载PDF
短时交通流预测在智慧交通中的应用
7
作者 仓宇航 王伯礼 苏童 《中国储运》 2025年第4期149-150,共2页
随着城市交通拥堵问题的日益严重,短时交通流预测技术在改善交通状况、提升道路使用效率方面展现出了巨大的潜力。特别是在实现车辆绿波通行策略中,短时交通流预测起到了核心作用。本文首先介绍了短时交通流预测的基本概念及其在智慧交... 随着城市交通拥堵问题的日益严重,短时交通流预测技术在改善交通状况、提升道路使用效率方面展现出了巨大的潜力。特别是在实现车辆绿波通行策略中,短时交通流预测起到了核心作用。本文首先介绍了短时交通流预测的基本概念及其在智慧交通中的重要性,随后分析了当前主流的短时交通流预测方法,包括基于机器学习的模型、时间序列分析方法以及混合模型等。探讨了如何将短时交通流预测技术有效融入车辆通行策略中,以实现交通信号灯的动态优化调整,减少车辆等待时间,提高道路通行效率。最后,讨论了短时交通流预测技术在智慧交通中应用面临的挑战与未来发展方向。 展开更多
关键词 车辆绿波通行 短时交通流预测 机器学习
在线阅读 下载PDF
CPO-BiLSTM模型在短时交通流预测中的应用
8
作者 庄伟卿 余晗彧 《交通科技与经济》 2025年第1期1-7,共7页
短时交通流预测是智能交通系统的核心,可以有效减缓交通拥堵、提升应急响应效率。为进一步提高短时交通流量的预测精度,提出一种基于冠豪猪优化算法-双向长短期记忆网络(CPO-BiLSTM)的组合模型。该模型利用冠豪猪优化算法(CPO)的动态适... 短时交通流预测是智能交通系统的核心,可以有效减缓交通拥堵、提升应急响应效率。为进一步提高短时交通流量的预测精度,提出一种基于冠豪猪优化算法-双向长短期记忆网络(CPO-BiLSTM)的组合模型。该模型利用冠豪猪优化算法(CPO)的动态适应和全局均衡特性对双向长短期记忆网络(BiLSTM)的超参数进行寻优赋值,进而提升模型的泛化能力与训练效率。采用公路交通流数据集,将CPO-BiLTM模型与其他预测模型进行训练和测试比对分析,结果表明CPO-BiLSTM拥有更好的时间序列数据拟合能力,其平均绝对误差为16.8982、均方根误差为23.4424、决定系数为0.98229、剩余预测偏差为7.5159、平均绝对百分比误差为3.4243%,均为最优项,说明该模型能够有效提高预测的准确度和可靠性。 展开更多
关键词 公路交通 智能交通系统 短时交通流预测 冠豪猪优化算法 双向长短期记忆网络
在线阅读 下载PDF
基于改进狼群算法优化小波神经网络的短时高速交通流预测
9
作者 梁海峰 《消费电子》 2025年第7期212-214,共3页
在短期高速交通流量预测领域,精准把握交通流量的动态变化,对于提升高速公路的通行效率、保障行车安全以及优化交通管理策略具有至关重要的意义。然而,传统预测算法在处理复杂多变的交通流量数据时,往往受限于其函数逼近能力,容易陷入... 在短期高速交通流量预测领域,精准把握交通流量的动态变化,对于提升高速公路的通行效率、保障行车安全以及优化交通管理策略具有至关重要的意义。然而,传统预测算法在处理复杂多变的交通流量数据时,往往受限于其函数逼近能力,容易陷入局部极值,导致预测结果出现偏差。鉴于此,本文创新性地提出了一种结合改进狼群算法构建的新型神经网络模型。该模型充分利用了狼群算法的全局搜索能力,通过模拟狼群在复杂环境中的协作与竞争行为,实现了对神经网络参数的智能优化。这一改进不仅增强了预测模型在多维空间中的精度与稳定性,还有效避免了传统算法易陷入局部最优的困境。通过仿真验证,本文所提算法在短时高速交通流量预测方面展现出显著优势,相较于单一的小波神经网络,其预测精度得到了大幅提升,为高速公路的智能化管理提供了有力支持。 展开更多
关键词 小波神经网络预测 狼群算法 短时高速交通流量 仿真分析
在线阅读 下载PDF
时空相关的道路网络短时交通流预测模型 被引量：3
10
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 长短时记忆神经网络 损失函数
在线阅读 下载PDF
基于组合深度学习的轨道交通短时进站客流预测模型 被引量：6
11
作者 李淑庆 李伟 +1 位作者 刘耀鸿 马波 《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第2期92-99,共8页
针对轨道交通短时进站客流考虑不充分和特征学习不全面而导致预测精度不高的问题,选取客流特征、天气、空气质量和道路交通拥堵指数等多个因素,提出了一种基于组合深度学习的轨道交通短时进站客流预测模型(CNN-ResNet-BiLSTM)。基于卷... 针对轨道交通短时进站客流考虑不充分和特征学习不全面而导致预测精度不高的问题,选取客流特征、天气、空气质量和道路交通拥堵指数等多个因素,提出了一种基于组合深度学习的轨道交通短时进站客流预测模型(CNN-ResNet-BiLSTM)。基于卷积神经网络(CNN)对多因素客流时间序列进行自动提取,在CNN网络中插入多个残差神经网络(ResNet)来加深网络深度,利用双向长短时记忆神经网络(BiLSTM)捕捉前后两个方向的客流时间序列特征并得到预测结果;以杭州市全网80个站点工作日的进站客流为例,验证了该模型的有效性。研究结果表明:与常用的几种模型相比,多因素CNN-ResNet-BiLSTM组合模型的均方根误差(E RMS)至少降低了8.50%,平均绝对误差(E MA)至少降低了6.74%,平均绝对百分比误差(E MPA)至少降低了6.52%。 展开更多
关键词 交通工程 短时客流预测 组合深度学习 轨道进站客流
在线阅读 下载PDF
关联交叉口短时交通流可预测性分析及组合预测算法 被引量：5
12
作者 徐建闽 傅惠 许伦辉 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2007年第10期194-197,232,共5页
文中首先根据交叉口交通流参数时间序列的相关性对关联交叉口进行定义,给出关联交叉口短时交通流可预测分析的几个定量指标,以及交通流时间序列最大Lya-punov指数的计算方法;然后提出在短时交通流时间序列的可预测分析基础上,选取一组... 文中首先根据交叉口交通流参数时间序列的相关性对关联交叉口进行定义,给出关联交叉口短时交通流可预测分析的几个定量指标,以及交通流时间序列最大Lya-punov指数的计算方法;然后提出在短时交通流时间序列的可预测分析基础上,选取一组预测模型并建立基于RBF网络的非线性组合预测模型,提出了关联交叉口短时交通流的组合预测算法;最后对实测短时交通流进行仿真试验,结果表明组合预测方法相对于单项预测方法具有更好的预测性能. 展开更多
关键词 关联交叉口 短时交通流 可预测性 组合预测
在线阅读 下载PDF
基于GRU-RNN模型的交叉口短时交通流预测研究 被引量：23
13
作者 于德新 邱实 +1 位作者 周户星 王卓睿 《公路工程》 北大核心 2020年第4期109-114,共6页
为提升交叉口短时交通流预测精度,在深度学习的理论框架下,以历史交通流量数据作为研究基础,提出一种基于GRU-RNN的短时流量预测模型。首先采用随机森林算法对交通流量数据进行预处理,补全长周期缺失情况下的丢失数据,确保样本的完整性... 为提升交叉口短时交通流预测精度,在深度学习的理论框架下,以历史交通流量数据作为研究基础,提出一种基于GRU-RNN的短时流量预测模型。首先采用随机森林算法对交通流量数据进行预处理,补全长周期缺失情况下的丢失数据,确保样本的完整性和准确性,其次采用GRU-RNN算法对短时流量进行预测,在MYECLIPSE的开发环境调整参数适应样本,进行模型的训练与验证,并与经典BP神经网络预测模型进行对比。结果表明,所提算法拟合优度(R^2)为0.962,最接近1,稳定性最好,均方根误差(RMSE)为6.258,预测误差最小,与真实值最为接近,可为交通控制提供准确依据。 展开更多
关键词 城市交通 短时交通流预测 深度学习 时间序列
在线阅读 下载PDF
基于VMD-ISSA-LSTM的短时交通流预测研究 被引量：3
14
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
在线阅读 下载PDF
基于非线性卡尔曼滤波的城市轨道交通客流密度短时预测方法 被引量：1
15
作者 王何斐 滕靖 +1 位作者 叶亮 陈宇毅 《城市轨道交通研究》 北大核心 2024年第6期33-38,43,共7页
[目的]为应对大客流事件,需准确识别城市轨道交通对大客流时空分布状态及演化规律,有必要基于EKF(扩展卡尔曼滤波)和UKF(无迹卡尔曼滤波),对城市轨道交通客流密度进行短时预测。[方法]从车站和断面两个层面,介绍了自动售检票设备数据的... [目的]为应对大客流事件,需准确识别城市轨道交通对大客流时空分布状态及演化规律,有必要基于EKF(扩展卡尔曼滤波)和UKF(无迹卡尔曼滤波),对城市轨道交通客流密度进行短时预测。[方法]从车站和断面两个层面,介绍了自动售检票设备数据的处理方法,并划分了城市轨道交通车站及断面的舒适度等级。通过定义客流密度状态方程和量测方程,分别介绍了EKF模型和UKF模型的城市轨道交通客流密度短时预测计算方法。以国内某城市轨道交通网络化运营城市某条线路为案例,比较了EKF模型及UKF模型的预测精度。[结果及结论]算例结果表明,EKF模型及UKF模型均能通过实时采集当前时段车站自动售检票设备数据来预测下一时段的车站客流密度和断面客流密度,适用于城市轨道交通客流密度短时预测场景。相比于EKF模型,UKF模型全天分时段预测值更接近真实变化趋势,UKF模型预测值与真实值的散点分布更趋集中收敛;UKF模型的均方根误差、平均绝对误差及平均绝对百分比误差均相对更低,说明UKF模型预测精度相对更高。 展开更多
关键词 城市轨道交通 客流密度 短时预测 扩展卡尔曼滤波 无迹卡尔曼滤波
在线阅读 下载PDF
多分辨率多粒度时空特征提取的轨道交通短时OD客流预测方法
16
作者 杨越迪 潘保霏 +2 位作者 刘军 许心越 张安忠 《铁道学报》 EI CAS CSCD 北大核心 2024年第11期1-11,共11页
面对大规模的路网OD客流分布的“长尾效应”,提出一种多分辨率多粒度时空特征提取的短时客流预测模型,以解决稀疏OD矩阵中不同量级OD客流预测精度不高的问题。将离散小波变换引入OD矩阵特征提取,结合CNN获取多分辨率下空间特征;构建多... 面对大规模的路网OD客流分布的“长尾效应”,提出一种多分辨率多粒度时空特征提取的短时客流预测模型,以解决稀疏OD矩阵中不同量级OD客流预测精度不高的问题。将离散小波变换引入OD矩阵特征提取,结合CNN获取多分辨率下空间特征;构建多粒度历史OD客流矩阵序列,利用ConvLSTM网络提取OD矩阵长期的周期依赖性及短时的相邻时段依赖性。以北京地铁为例,分析结果表明:该模型在整体预测精度方面较其他基线模型的均方根误差RMSE提升7.4%以上;模型内部消融实验证明,多分辨率多粒度的结构对高、中、低3种量级的OD预测均有提升作用,且对高量级OD预测的RMSE提升12.5%以上。以杭州地铁为例对模型进行稳定性验证,结果表明:该模型在不同数据集下的预测结果明显优于其他基线模型;在工作日/非工作日、高低峰/平峰等场景下的适用性分析均能取得稳定的预测效果。 展开更多
关键词 城市轨道交通 短时OD预测 离散小波变换 卷积神经网络 时空特征依赖
在线阅读 下载PDF
基于XGBoost算法的高速公路短时交通流量预测 被引量：1
17
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
在线阅读 下载PDF
基于CS算法优化的SVM短时交通流预测模型 被引量：3
18
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
在线阅读 下载PDF
基于季节性ARIMA模型的短时交通流预测方法研究
19
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
在线阅读 下载PDF
基于CBAM&ConvLSTM的短时交通拥塞预测
20
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
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 13 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部