期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于非线性时间序列模型的城市道路短期交通流预测研究
被引量：
12
1
作者
孙湘海
刘潭秋
《土木工程学报》
EI
CSCD
北大核心
2008年第1期104-109,共6页
对应于城市道路短期交通流复杂的非线性特征,采用一种非线性的时间序列模型来对其变化规律进行探索,以期获得城市道路短期交通流的精确预测。根据现实情况,可以将城市道路的交通流条件划分为两种状态:交通拥堵和交通畅通,在不同的状态下...
对应于城市道路短期交通流复杂的非线性特征,采用一种非线性的时间序列模型来对其变化规律进行探索,以期获得城市道路短期交通流的精确预测。根据现实情况,可以将城市道路的交通流条件划分为两种状态:交通拥堵和交通畅通,在不同的状态下,交通流表现出不同的变化特征,一个二制度自我激励阈值自回归(SETAR)模型的结构能够很好地与之相符。以现实中的城市道路短期交通流数据为样本所进行的实例分析结果表明,被估计模型获得了很好的仿真结果,并能够合理地解释城市道路短期交通流的非线性特征。以此为基础,用估计所确定模型进行城市道路短期交通流的样本外预测,结果表明该模型不仅有较高的预测精度,且预测表现明显优于自回归求和移动平均(ARIMA)模型。
展开更多
关键词
城市道路短期交通流
自我激励阈值自回归模型
交通
拥堵状态
交通
畅通状态
预测
在线阅读
下载PDF
职称材料
基于GRNN模型的城市道路短期交通流预测研究
被引量：
4
2
作者
孙湘海
《科学技术与工程》
2007年第12期2904-2907,共4页
采用剔出了城市道路短期交通流的周周期性特征的周差分数据作为广义回归神经网络(GRNN)模型的预测对象,这样既能避免合理选择交通流影响因素作为神经网络输入变量的困难,又能迅速获得实时短期交通流预测结果。研究结果表明,构建的神经...
采用剔出了城市道路短期交通流的周周期性特征的周差分数据作为广义回归神经网络(GRNN)模型的预测对象,这样既能避免合理选择交通流影响因素作为神经网络输入变量的困难,又能迅速获得实时短期交通流预测结果。研究结果表明,构建的神经网络模型能够很精确地实时预测城市道路短期交通流。
展开更多
关键词
广义回归神经网络
城市道路短期交通流
预测
在线阅读
下载PDF
职称材料
题名
基于非线性时间序列模型的城市道路短期交通流预测研究
被引量：
12
1
作者
孙湘海
刘潭秋
机构
长沙理工大学
中南大学数学博士后流动站
出处
《土木工程学报》
EI
CSCD
北大核心
2008年第1期104-109,共6页
基金
国家自然科学基金(50608010)
文摘
对应于城市道路短期交通流复杂的非线性特征,采用一种非线性的时间序列模型来对其变化规律进行探索,以期获得城市道路短期交通流的精确预测。根据现实情况,可以将城市道路的交通流条件划分为两种状态:交通拥堵和交通畅通,在不同的状态下,交通流表现出不同的变化特征,一个二制度自我激励阈值自回归(SETAR)模型的结构能够很好地与之相符。以现实中的城市道路短期交通流数据为样本所进行的实例分析结果表明,被估计模型获得了很好的仿真结果,并能够合理地解释城市道路短期交通流的非线性特征。以此为基础,用估计所确定模型进行城市道路短期交通流的样本外预测,结果表明该模型不仅有较高的预测精度,且预测表现明显优于自回归求和移动平均(ARIMA)模型。
关键词
城市道路短期交通流
自我激励阈值自回归模型
交通
拥堵状态
交通
畅通状态
预测
Keywords
urban road short-term traffic flow
SETAR model
congested traffic state
free-flow traffic state
forecasting
分类号
U491 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
基于GRNN模型的城市道路短期交通流预测研究
被引量：
4
2
作者
孙湘海
机构
长沙理工大学交通运输学院
出处
《科学技术与工程》
2007年第12期2904-2907,共4页
文摘
采用剔出了城市道路短期交通流的周周期性特征的周差分数据作为广义回归神经网络(GRNN)模型的预测对象,这样既能避免合理选择交通流影响因素作为神经网络输入变量的困难,又能迅速获得实时短期交通流预测结果。研究结果表明,构建的神经网络模型能够很精确地实时预测城市道路短期交通流。
关键词
广义回归神经网络
城市道路短期交通流
预测
Keywords
generalized regression neural network
urban short-term traffic flow
forecasting
分类号
U491 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于非线性时间序列模型的城市道路短期交通流预测研究
孙湘海
刘潭秋
《土木工程学报》
EI
CSCD
北大核心
2008
12
在线阅读
下载PDF
职称材料
2
基于GRNN模型的城市道路短期交通流预测研究
孙湘海
《科学技术与工程》
2007
4
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
