公共文化服务平台

搜索到2006篇“ 短时交通流预测“的相关文章

短时交通流预测方法分析研究被引量：1: 2024年; 1.引言近年来,由于城市居民生活水平不断提高,机动车拥有量持续上涨,以及节假日集中出行的特征,导致高速公路交通负荷日益增强,交通拥堵现象频发。造成交通拥堵现象的原因多种多样,在道路硬件建设不可能短期实现的情况下,如果能够预测不同线路车流情况,可以对出行者出行进行引导,控制交通流量,减少交通拥堵。; 牛巧丽; 关键词：短时交通流预测交通负荷交通流量居民生活水平硬件建设

高原山区高速公路短时交通流预测方法: 2024年; 准确的短时交通流预测是有效避免高原山区高速公路交通事故的关键。高原山区高速公路受高海拔地形影响,短时交通流数据特性较平原区域的更复杂,适用于平原区域的预测模型不一定适用于高原山区。选取SARIMA、GRNN、LSTM模型分别作为数理统计、传统机器学习、深度学习三类预测模型的代表,以四川省阿坝藏族羌族自治州G4217蓉昌高速汶川至马尔康收费站收费数据为样本。结果显示:三种模型均具有较好的预测性能,其中SARIMA和LSTM模型预测效果相当,R2均接近0.97,且较GRNN模型的MAE分别减少了53.12%、57.70%,MAPE分别减少了38.19%、43.72%。研究表明即使数理统计类模型亦可较好预测高原山区高速公路短时交通流,且数据对模型有选择,LSTM模型预测效果最佳,SARIMA模型次之,GRNN模型较差。; 林美; 关键词：交通事故短时交通流预测

一种卡口节点的短时交通流预测方法: 本发明涉及一种卡口节点的短时交通流预测方法，包括：获取目标卡口的天气信息、节假日信息、以及目标卡口所在目标区域的路网地理图及其历史交通流数据；对历史交通流数据提取交通流特征矩阵和POI数据；根据卡口节点的邻居信息利用SD...; 贾朝龙彭钢王蓉李暾庞育才段思睿肖云鹏

针对短时交通流预测的ISSA-SVR模型被引量：1: 2024年; 为提高短时交通流的预测精度,提出一种改进麻雀搜索算法优化支持向量回归的预测模型。为解决麻雀搜索算法收敛慢、易陷入局部最优的不足,结合反向学习和中心游移进行种群初始化;引入分段惯性权重和蝴蝶优化算法改进发现者更新,扩展迭代早期的全局搜索范围和寻优能力;利用柯西变异追随者更新机制提高迭代后期的局部开发能力和收敛速度;设计自适应警戒者更新均衡搜索和开发过程。应用改进麻雀搜索算法优化支持向量回归模型,构建短时交通流预测模型HMSSSA-SVR。实验结果表明,改进模型的泛化能力更好,预测误差更低,能够对短时交通流实现精确预测。; 叶得学韩如冰颜鲁合; 关键词：交通流预测支持向量回归柯西变异

一种变系数灰色模型短时交通流预测方法: 本发明涉及一种变系数灰色模型短时交通流预测方法，属于交通预测技术领域，包括以下步骤：S1：基于交通流数据建立初始交通流序列，得到目标交通流量序列；S2：对原始交通流序列进行预处理，即计算一阶累加生成序列，n阶累减生成序列...; 段辉明宋雨芯谢德荣程云龙周琪琦何成琳

基于PSO-LSTM的高速公路短时交通流预测被引量：1: 2024年; 为了实现高速公路短时交通流的精准预测,提出了考虑天气因素的PSO-LSTM深度学习预测模型以提高预测准确性。首先,对获取到的高速公路交通流数据、天气数据进行异常值处理、数据去噪、数据归一化等预处理;其次,构建预测模型,并采用粒子群优化算法寻找LSTM模型的最优参数组合,需要寻优的参数有神经网络最大迭代次数、学习率以及隐藏层神经单元个数;最后,通过PEMS网站提供的交通流数据进行实例验证,将交通流数据分为工作日与非工作日。结果表明,本文提出的预测模型能够较好的描述高速公路交通流变化规律,且相比于BP、SVM以及不考虑天气因素的PSO-LSTM模型,具有较高的预测精度。; 杨文玲广晓平; 关键词：交通流预测高速公路神经网络

一种基于时空数据的短时交通流预测方法: 本发明涉及一种基于时空数据的短时交通流预测方法，属于智能交通技术领域。该方法是：首先，通过灰色关联度分析方法和交通流的周期性选取不同路段的交通流数据，以反映交通流数据的时空特征；其次，为了提高新模型的适用性，采用粒子群优...; 段辉明王冠刘勇杉汪炼谢德荣王琼

基于VMD-ISSA-LSTM的短时交通流预测研究: 2024年; 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。; 庞学丽宋坤姚红云李一博曹志富; 关键词：短时交通流预测佳点集

一种基于数据波动性的短时交通流预测方法: 本发明涉及一种基于数据波动性的短时交通流预测方法，属于短时交通预测领域，包括以下步骤：S1：根据设定的采集周期采集历史的交通流数据，得到初始矩阵序列；S2：根据初始矩阵序列，计算一阶累加序列、一阶累减序列以及偏导数序列；...; 段辉明周琪琦程云龙谢德荣何成琳宋雨芯

基于CS算法优化的SVM短时交通流预测模型被引量：1: 2024年; 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。; 兰添贺曲大义陈昆刘浩敏; 关键词：短时交通流预测城市道路交通支持向量机

相关作者