作者:韩直; 徐冲聪; 韩嵩乔 期刊:《交通运输系统工程与信息》 2020年第01期
为提升车辆通行效率,以预测型诱导策略为基础,以排队长度作为交通诱导的约束条件,利用小波神经网络短时交通量预测预知路段堵死事件发生路段,通过广域诱导时空边界条件对事件路段进行节点分级和诱导周期长度界定,进而建立广域诱导模型;对事件区域路网进行分区,进一步确定该模型诱导起点位置,引入基于路径尺度的Logit路径选择模型作为诱导路径选择方法,通过流量迭代分配方法实现路网负载均衡.通过实例验证,该诱导方法能有效地缓解道...
作者:于泉; 高天胜 期刊:《中国交通信息化》 2019年第12期
高速公路交通车检器合理布设有利于准确、快速地检测和预测路段交通状态,进而提高高速公路管控效率随着车检器技术的发展,一种新型车检器的应用带来了高精确度、高实时性的交通流数据。但是,目前关于交通区域车检器的布设还没有普适的理论运用一种基于BP神经网络的交通参数预测算法,选取300米、500米、800米、1000米、1300米、1500米这6种交通车检器布设间距,利用vissim仿真软件进行数据获取,通过分析不同布设间距下交通参数的预测...
作者:徐先峰; 黄刘洋; 龚美 期刊:《工业仪表与自动化装置》 2020年第01期
及时准确的交通流信息对于智能交通系统的实现至关重要。针对现有预测方法不能充分利用交通流的时空特征,进而不能很好地提取交通流序列内在规律的问题,提出了一种结合卷积神经网络(CNN)和双向长短时记忆网络(BiLSTM)的深度学习预测模型(C-BiLSTM),在网络底层利用一维CNN来捕获观测点交通流数据的空间特征,然后输入到双向LSTM网络提取时间周期特征,最后由全连接层输出预测结果。使用美国交通研究数据实验室的实测交通数据进行验证,...
针对当前短期交通流量预测方法误差较大,且仅依靠时间序列数据进行预测的问题,提出一种基于SDZ-GRU的多特征短时交通流预测方法(简称SGMTFP)。该方法在现有的时序数据的基础上加入时间信息等一系列辅助数据,并将SDZ(Surprisal-Driven Zoneout)应用于门控循环单元(Gated Recurrent Unit, GRU)构成新的RNN单元SDZ-GRU。通过滚动式嵌套交叉验证实验,本文方法在均方根误差与平均绝对误差上比常规的GRU分别下降了7.68%和14.55%;另外由于...
作者:邱敦国; 杨红雨 期刊:《工程科学与技术》 2013年第05期
根据城市道路短时交通流特征,在ARIMA(autoregressive integrated moving average model)模型和SARIMA(seasonal autoregressive integrated moving average model)模型的基础上,提出一种既满足城市道路日周期性和周周期性的短时交通流预测模型DSARIMA(double seasonal autoregressive integrated moving average model)模型,并根据城市道路工作日与非工作日交通流特点,提出该模型的预测算法。该算法采用两种方式利用ARIMA模...
作者:张利; 李星毅; 施化吉 期刊:《轻工学报》 2008年第04期
针对造成基于线性最小方差预报原理的Astrom算法在多步预测过程中误差逐步增大的原因,通过增加误差动态修正因子,提出一种改进的短时交通流量预测算法.该算法基于ARIMA模型结构的时间序列分析方法洙用矩估计法进行参数初估计,用最小二乘法进行参数精估计,用BIC准则为模型定阶.对大量实测数据进行仿真实验,对多个统计量进行误差分析.结果表明,改进算法在应用于时变性强的短时交通流量预测时,相对于Astrom算法具有更好的预...
作者:唐世星; 柯凤琴 期刊:《煤炭技术》 2012年第05期
在SVM预测模型中引入交叉验证和网格搜索算法,优化惩罚因子和核函数的参数,建立了改进的SVM预测模型,并应用于短时交通流预测进行实证分析。以某城市道路的实时数据来对模型进行验证,预测结果表明了模型的有效性。
作者:万芳; 黎光宇; 贾宁; 朱宁 期刊:《交通运输系统工程与信息》 2019年第02期
短时交通流预测是智能交通系统的重要基础,其精度直接影响到交通控制和诱导的效果.对于交通流预测中的非参数回归方法,其中一个重要的问题是状态向量的选取.本文提出基于ReliefF和DeltaTest的特征选择算法来对特征向量进行选择.首先使用ReliefF算法根据特征和类别的相关性对状态向量进行快速初步筛选,加快算法的执行效率.接下来以DeltaTest为性能指标,使用遗传算法对状态分量的权重进行进一步优选.最后通过基于实际数据的算例,对本...
作者:雷斌; 温乐; 耿浩; 李建明 期刊:《测控技术》 2018年第05期
为了改善城市路网中短时交通流预测效果,提高预测精度,设计了一种基于改进的K近邻非参数回归和小波神经网络加权组合的短时交通流预测方法。针对K近邻非参数回归预测方法搜索量大、相似性差等问题,采用基于交叉口相关系数加权的欧氏距离选择K近邻值。小波变换与神经网络有机结合形成的前馈型网络,对非平稳的输入信号能够呈现出良好的时频特性和变焦能力,对短时交通流预测效果有着明显的提升。通过算例分析,说明所设计的预测方法能...
作者:乔松林; 孙仁诚; 刘吉 期刊:《青岛大学学报·工程技术版》 2017年第04期
针对交通流数据的时间相关性和非线性等特点,现有预测方法未能充分获取交通流的本质特征,提出了一种基于深度学习的短时交通流量预测方法。该方法结合长短时记忆神经网络(LSTM)和支持向量机回归(SVR)作为预测模型,利用长短时记忆神经网络模型进行获取特征,用获取的特征训练支持向量回归进行交通流量的预测,比较了与其它模型的预测效果,真实数据集的结果表明,该模型有较高的预测精度。
作者:张海鹏; 杨宏业; 邬鑫珏; 王葆元 期刊:《内蒙古工业大学学报·自然科学版》 2018年第01期
随着智慧化城市的提出,智能交通系统已经成为城市建设中至关重要的部分,而短时交通流预测是实现智能交通系统的核心研究内容之一[1]。本文对获取的公交车GPS数据进行了挖掘分析,提取公交车速度数据进行短时交通流预测算法研究。考虑到时序数据的时间相关性和交通流数据的准周期特性,本文设计长短期记忆人工神经网络(Long-ShortTermMemory,LSTM)对交通流速度数据进行预测。结果表明,LSTM能够通过对历史速度数据的学习,找出时间序列...
作者:杨世坚; 贺国光 期刊:《系统工程》 2004年第08期
短时交通流预测是动态交通控制和诱导的前提.提出一种模糊C均值聚类和神经网络相结合的短时交通流预测方法.用同一组实测数据对比计算了该方法与BP神经网络预测方法、模糊神经网络预测方法分别得到的预测结果.计算结果表明:所提出的方法的预测准确性明显地高于其他两种方法.
作者:殷礼胜; 唐圣期; 李胜; 何怡刚 期刊:《电子与信息学报》 2019年第09期
针对短时交通流数据的非线性和随机性特点,为提高它的预测精度和收敛速度,该文从模型构建和算法两方面提出一种整合移动平均自回归(ARIMA)模型和遗传粒子群算法优化小波神经网络(GPSOWNN)相结合的预测模型和算法。在模型构建方面,将ARIMA模型预测值和灰色关联系数大于0.6的相关性强的前3个时刻的历史数据作为小波神经网络(WNN)的输入,在兼顾历史数据的平稳和非平稳的情况下,进行了模型结构简化。在算法方面,通过遗传粒子群算法对小...
作者:唐智慧; 郑伟皓; 董维; 李娟 期刊:《公路交通科技》 2019年第04期
城市路网具有功能多样、组成复杂、交通量大、交叉口多等特点。优化短时交通流预测模型能够增加交通状态判别的精准度,有利于市民预知交通出行信息,为交通诱导措施的提供数据支持,免陷入拥堵困境。针对目前短时交通流预测模型优化过程中出现的模型适应性差,使用条件要求高、单一模型无法准确地描述交通流在不同时段内的变化规律等因素造成短时交通流预测精准度低的问题,采用Kohonen神经网络对交通流数据进行聚类分析,令聚类得到的...
作者:曹洁; 沈钧珥; 张红; 侯亮; 陈作汉 期刊:《计算机应用与软件》 2018年第12期
针对采集过程中噪声影响以及交通流时间序列的强相关性,提出一种基于小波和多维重构的BP神经网络交通流短时预测方法。运用启发式小波降噪法对原始交通流数据进行降噪处理,剔除数据中的噪声;基于C-C法将交通流数据进行多维度相空间重构,充分挖掘交通流的多维变化特性;构建多维度的BP神经网络进行交通流短时预测研究。运用2 400组数据进行实验,并与传统的BP 神经网络、Elman神经网络以及SVM进行对比。实验结果表明,该方法具...
作者:康军; 段宗涛; 唐蕾; 温兴超 期刊:《计算机应用研究》 2018年第10期
针对短时交通流在线预测时存在的计算复杂性问题,提出了一种最小二乘支持向量机在线式短时交通流预测方法。该方法简化了在线学习过程中Lagrange乘子的求解过程,利用训练数据集滑动时间窗口的移动来控制新样本的加入和旧样本的移除,通过线性运算完成Lagrange乘子的更新,进而完成预测模型的在线更新。测试结果表明,相对已有方法,所提方法在保证预测精度的条件下,能够将在线模型更新时间平均降低约62.64%,是一种有效的在线式短时交通...
作者:韩超; 宋苏; 王成红 期刊:《系统仿真学报》 2004年第07期
实时、准确的短时交通流量预测是智能交通系统(ITS)中的一个关键问题.基于采用ARIMA(p,d,0)模型结构的时间序列分析方法,提出一种短时交通流实时自适应预测算法.在该算法中采用带遗忘因子的递推最小二乘方法进行参数估计,采用基于线性最小方差预报原理的Astrom预报算法进行预报.针对大量实测数据进行仿真实验,结果表明:减小遗忘因子可以提高一步预测的性能.此外,将该算法分别应用于工作日和双休日的数据时,仿真实验都取得了较好的...
作者:沈夏炯; 张俊涛; 韩道军 期刊:《计算机科学》 2018年第06期
短时交通流预测是交通流建模的一个重要组成部分,在城市道路交通的管理和控制中起着重要的作用。然而,常见的时间序列模型(如ARIMA)、随机森林(RF)模型在交通流预测方面由于被构建模型产生的残差和输入变量所影响,其预测精度受到限制。针对该问题,提出了一种基于梯度提升回归树的短时交通预测模型来预测交通速度。首先,模型引入Huber损失函数作为模型残差的处理方法;其次,在输入变量中考虑预测断面受到毗邻空间因素和时间因素...
作者:梅朵; 郑黎黎; 刘春晓; 王秀芹 期刊:《计算机技术与发展》 2017年第11期
为了提高城市道路短时交通流预测的精度,提出了一种基于混合算法优化支持向量机的短时交通流预测模型。在粒子群算法中引入遗传算法的交叉和变异因子,对粒子群算法进行改进,然后用改进后的粒子群算法优化支持向量机,得到最优的支持向量机模型,最后实现城市道路的短时交通流预测。以检测器采集到的长春市路网数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与传统...
作者:沈国江; 朱芸; 钱晓杰; 胡越 期刊:《南京理工大学学报》 2014年第02期
针对城市道路流量的非线性和不确定性特点,为避免单一模型预测准确率不高的缺陷,该文提出了一种短时交通流组合模型。该模型包含卡尔曼滤波模型和径向基函数神经网络模型2个子模型,较好地解决了神经网络不能反映大流量下的稳态性问题,以及卡尔曼滤波在流量不稳定时预测准确率不高的问题。在组合模型中引入惯性因子,确保了模型的稳定性。仿真结果表明该方法是可行有效的。