-
题名基于TFPCM与随机模型的交通滞留量预测
被引量：4
- 1
-
-
作者
李莎
孙丽珺
-
机构
青岛科技大学信息科学技术学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2019年第1期29-34,共6页
-
基金
国家自然科学基金(61273180)
山东省自然科学基金(ZR2016FQ10)
-
文摘
交通滞留量预测是实现智能交通灯自动配时的前提,准确的交通滞留量预测可以为交通信号的动态调配提供支持,从而缓解城市交通拥堵问题。为此,提出一种交通滞留量预测系统。利用基于时间序列分割与极限学习机结合的交通流量预测算法,设计道路系统的模拟方案,将得到的预测流量进行仿真,构建扩展的二级马尔科夫随机模型,计算交通滞留量的预测值。实验结果表明,与BP神经网络相比,该系统能够准确预测交通滞留量,可为城市交通疏导和控制提供理论依据。
-
关键词
交通滞留量
时间序列分割
极限学习机
交通流量预测算法
随机模型
-
Keywords
traffic retention
time series segmentation
Extreme Learning Machine(ELM)
Traffic Flow Prediction(TFP)algorithm
stochastic model
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
