-
题名基于状态空间神经网络的短期公交调度模型
被引量：1
- 1
-
-
作者
高瑾
邓卫
季彦婕
-
机构
东南大学
-
出处
《交通运输工程与信息学报》
2010年第3期82-86,104,共6页
-
基金
国家科技支撑计划资助项目(2006BAJ18B03-02)
-
文摘
本文从公交线路状态时空变化规律的角度出发,讨论了应用状态空间神经网络模型解决短期公交调度问题的方法。采用能描述实际公交线路状态(包括客流状态以及车辆运行速度等)的网络拓扑结构,结合前一时段的公交线路状态,预测下一时段的状态并选择与其相适应的调度方案。本文以南京市某公交线路的数据作为实例进行模型应用,与BP神经网络和AMRA模型的对比结果显示状态空间神经网络模型能在短期内更好地针对客流空间、时间变化对公交发车间隔进行调整,模型预测精度高,自适应性强,值得推广应用。
-
关键词
短期公交调度
状态空间神经网络
发车间隔
预测
-
Keywords
Bus dispatching in short terms
state space neural networks
departing interval
prediction
-
分类号
U492.22
[交通运输工程—交通运输规划与管理]
-
-
题名城市路网短期行程时间预测研究
被引量：1
- 2
-
-
作者
刘浩
张可
汉克.范少伦
-
机构
交通部公路科学研究院
荷兰代尔夫特理工大学
-
出处
《交通运输系统工程与信息》
EI
CSCD
2007年第3期118-124,共7页
-
基金
国家高技术研究发展计划(863计划)课题"基于提取计算的路网动态交通分析技术"(2006AA112206)
-
文摘
提出了一种基于状态空间神经网络(SSNN)和拓展卡尔曼滤波(EKF)的混合式行程时间预测模型.以往的研究表明,状态空间神经网络能够较好地处理复杂的非线性时空问题.然而,状态空间神经网络需要大量的历史数据作为离线训练之用.其不足之处在于,首先是需要花费大量的时间和精力去收集、准备数据,以及训练神经网络.其次,输入输出随着时间不断增加,训练过程需要不断的从新重复.为了提高状态空间神经网络的有效性,扩展卡尔曼滤波代替了传统的方法来对神经网络进行训练.荷兰的一条城市道路被选择为模型验证的试验路段.通过与另外两个预测模型之间的对比验证,该模型的预测能力能够达到满意的有效性、准确性和鲁棒性.
-
关键词
行程时间预测
状态空间神经网络
扩展卡尔曼滤波
-
Keywords
travel time prediction
state space neural network
extended kalman filter
-
分类号
U12
[交通运输工程]
-
