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
复杂网络中观交通流动态限速控制策略研究
被引量：
2
1
作者
李树彬
傅白白
+2 位作者
孙涛
党文修
高歌
《复杂系统与复杂性科学》
CSCD
北大核心
2017年第4期32-42,共11页
为研究大数据时代下的复杂性科学问题,利用当前新兴的复杂网络理论结合改进的交通流仿真模型,研究可变限速对动态交通的影响,进而分析了不同的网络结构下最优的可变限速控制策略。结果表明最优的可变限速控制策略可以优化网络的交通状...
为研究大数据时代下的复杂性科学问题,利用当前新兴的复杂网络理论结合改进的交通流仿真模型,研究可变限速对动态交通的影响,进而分析了不同的网络结构下最优的可变限速控制策略。结果表明最优的可变限速控制策略可以优化网络的交通状态。结论有助于帮助交通管理部门提出合理的交通规划方案以及制定有效的交通管理及控制措施。
展开更多
关键词
复杂网络
可变限速
交通流
仿真模型
控制策略
在线阅读
下载PDF
职称材料
基于深度学习的城市道路旅行时间预测
被引量：
24
2
作者
张威威
李瑞敏
谢中教
《系统仿真学报》
CAS
CSCD
北大核心
2017年第10期2309-2315,2322,共8页
城市道路旅行时间预测是城市智能交通系统的重要支撑。选择深度学习中的四种长短期记忆神经网络(Long Short-Term Memory,LSTM)架构进行道路旅行时间的预测。固定LSTM隐藏层的节点数以确定模型的最佳输入长度;固定模型的输入长度,分别...
城市道路旅行时间预测是城市智能交通系统的重要支撑。选择深度学习中的四种长短期记忆神经网络(Long Short-Term Memory,LSTM)架构进行道路旅行时间的预测。固定LSTM隐藏层的节点数以确定模型的最佳输入长度;固定模型的输入长度,分别测试在不同的隐藏层节点数和考虑空间相关性的条件下四种LSTM模型的预测性能;将空间LSTM模型与传统BP(Back Propagation)神经网络等四种模型进行了对比和分析。结果表明相对于其他四种模型,考虑空间相关性的LSTM模型具有更好的拟合和训练能力。
展开更多
关键词
交通工程
LSTM
旅行时间预测
空间相关性
深度学习
在线阅读
下载PDF
职称材料
题名
复杂网络中观交通流动态限速控制策略研究
被引量：
2
1
作者
李树彬
傅白白
孙涛
党文修
高歌
机构
山东
警察学院
交通管理
工程系
山东
建筑大学建筑城规学院
山东省公安厅交通管理局
山东
建筑大学
交通
工程学院
出处
《复杂系统与复杂性科学》
CSCD
北大核心
2017年第4期32-42,共11页
基金
国家自然科学基金(71471104
71371026
+3 种基金
71571109)
山东省高等学校科技计划项目(J17KA211)
山东省公安厅科技专项(GATHT2015-236)
济南市社会民生重大专项(201509005)
文摘
为研究大数据时代下的复杂性科学问题,利用当前新兴的复杂网络理论结合改进的交通流仿真模型,研究可变限速对动态交通的影响,进而分析了不同的网络结构下最优的可变限速控制策略。结果表明最优的可变限速控制策略可以优化网络的交通状态。结论有助于帮助交通管理部门提出合理的交通规划方案以及制定有效的交通管理及控制措施。
关键词
复杂网络
可变限速
交通流
仿真模型
控制策略
Keywords
complex network
variable speed limit
traffic flow
simulation model
control strategy
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
基于深度学习的城市道路旅行时间预测
被引量：
24
2
作者
张威威
李瑞敏
谢中教
机构
清华大学土木工程系
国家道路
交通管理
工程技术研究中心
山东省公安厅交通管理局
出处
《系统仿真学报》
CAS
CSCD
北大核心
2017年第10期2309-2315,2322,共8页
基金
北京市自然科学基金(8162024)
文摘
城市道路旅行时间预测是城市智能交通系统的重要支撑。选择深度学习中的四种长短期记忆神经网络(Long Short-Term Memory,LSTM)架构进行道路旅行时间的预测。固定LSTM隐藏层的节点数以确定模型的最佳输入长度;固定模型的输入长度,分别测试在不同的隐藏层节点数和考虑空间相关性的条件下四种LSTM模型的预测性能;将空间LSTM模型与传统BP(Back Propagation)神经网络等四种模型进行了对比和分析。结果表明相对于其他四种模型,考虑空间相关性的LSTM模型具有更好的拟合和训练能力。
关键词
交通工程
LSTM
旅行时间预测
空间相关性
深度学习
Keywords
traffic engineering
LSTM
travel time prediction
spatial correlation
deep learning
分类号
TP391 [自动化与计算机技术—计算机应用技术]
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
复杂网络中观交通流动态限速控制策略研究
李树彬
傅白白
孙涛
党文修
高歌
《复杂系统与复杂性科学》
CSCD
北大核心
2017
2
在线阅读
下载PDF
职称材料
2
基于深度学习的城市道路旅行时间预测
张威威
李瑞敏
谢中教
《系统仿真学报》
CAS
CSCD
北大核心
2017
24
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
