共查询到17条相似文献,搜索用时 140 毫秒
1.
2.
3.
4.
5.
6.
基于模糊C均值聚类和神经网络的短时交通流预测方法 总被引:11,自引:0,他引:11
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。 相似文献
7.
粗正交小波网络及其在交通流预测中的应用 总被引:5,自引:0,他引:5
基于交通流预测的特点和输入向量的主成分分析方法,把粗集理论与正交小波网络相结合,给出了一种基于粗集的正交小波网络交通预测模型,并成功应用于城市交通流的实时预测.粗正交小波网络具有极强的鲁棒性,可以有效克服季节、天气等随机因素对交通流量预测性能的影响;主成分分析方法解决了正交小波网络多维输入时的维数灾难.实验结果表明,该模型的预测精度和收敛速度明显优于常规BP网络和小波框架神经网络,对交通流量等预测问题具有较高的应用价值. 相似文献
8.
基于投影寻踪自回归的短时交通流预测 总被引:12,自引:0,他引:12
厦时准确地进行交通流短时预测是智能运通系统(ITS),尤其是其先进的交通管理系统(ATMS)与先进的出行者信息系统(ATIS)研究的关键内容之一。随着预测时间跨度的缩短,交通流量的变化显示出越来越强的不确定性,使得一般方法的预测精度大大降低。例如:非参数回归的算法是一种“无参数”、可移植、高预测精度的实时预测算法,在变通流预测中发挥了很大的作用。但随着样本数据维数的增加.存在“维数祸根”的现象。针对目前短时交通流预测存在的问题,本文提出一种基于投影寻踪自回归技术的短时交通流预测模型,解决了“维数祸根”和高维数据闻的非正态、非线性问题。经过实测数据验证。谊算法完全满足实时交通流预测的需要。 相似文献
9.
针对城市道路短时交通流的复杂非线性特点和以往的预测仅考虑典型交通条件(无交通事故等突发事件)的现状,结合交通流的特征,提出了一种有限状态机支持向量回归模型(finite state machine of support vector regression model,FSMSVR)的短时交通流预测机制. 通过线性回归算法和指数平滑算法划分交通流状态,根据各状态特点结合支持向量回归算法建立有限状态机工作机制,实现涵盖典型和非典型交通条件的短时交通流预测. 通过实验例证,对比了FSMSVR模型和传统SVR模型对城市道路6min交通流的预测,研究结果表明,该预测机制能够提高预测精确度,在非典型条件下有着较好的预测表现. 相似文献
10.
基于数学模型的短时交通流预测方法探讨 总被引:59,自引:3,他引:56
在概述交通流预测方法发展的基础上 ,重点介绍了三种基于确定的数学模型的短时交通流量预测方法 ,并针对其中一种模型提出了与神经网络相结合的改进方案. 相似文献
11.
交通诱导系统智能化方案及其仿真研究 总被引:9,自引:4,他引:5
交通流过程是不确定性很强的复杂过程,用传统的理论方法已经不可能有效解决交通流控制与诱导问题,交通诱导系统(route guidance system,RGS)必须智能化,该文评述了基于动态交通分配模型的交通诱导方法,指出其存在着模型理想化、局限于解析模型和忽视了人的参与与作用等问题,提出了RGS的一种智能化方案,介绍了基于学习机制来实现交通流短时预测和推理得出交通诱导信息的原理,给出了交通诱导智能系统的结构,用仿真研究的结果说明了原理的有效性,得出了交通诱导智能化的方案比依赖某种确定的数学模型的方案更可行有效的结论。 相似文献
12.
交通流自组织及其基于自组织理论的管控模式研究 总被引:13,自引:0,他引:13
冯蔚东 《系统工程理论与实践》1999,19(9):1-9
论证了交通流中存在自组织现象,对交通流中的耗散、相变和协同进行了数学描述,利用小波分析对交通流中的分形进行了初步的实证研究;最后,提出了一种以序参量优化为主导管控、以输入信息为诱导管控并相互集成的、基于自组织理论的交通流管控模式. 相似文献
13.
仿真交通流混沌特性研究 总被引:3,自引:3,他引:3
基于非线性跟驰模型建立了由五辆机动车组成的动态仿真模型,利用Matlab软件产生了五辆机动车的仿真交通流,给出了在一定参数组合下前后车辆之间的车头间距、速度差随时间变化的过程曲线.并结合实际交通系统的特点,对仿真结果做了理论分析.基于混沌时间序列分析方法,提出了证明非线性跟驰模型产生的仿真交通流具有混沌特性的一种方法,并分析了模型参数对仿真交通流动态特性的影响.该研究结果有助于进一步理解实际交通流系统的动态特性,并为短时交通流预测、诱导方法和智能交通控制提供理论依据. 相似文献
14.
基于ARIMA模型的短时交通流实时自适应预测 总被引:24,自引:1,他引:23
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预测效果,说明该算法对不同交通流状况具有较好的适应性。 相似文献
15.
基于神经网络和Markov链的交通流实时滚动预测 总被引:2,自引:1,他引:1
将神经网络与Markov链理论应用于随机波动的交通流预测,提出一种交通流实时滚动预测方法TDFNM。该方法采用BP网络构建交通流基准预测曲线,使用SOM网络划分残差的Markov链状态,计算各状态加权中心及状态转移概率矩阵,以此预测未来状态,并以加权中点修正计算得到精度较高的预测值,同时实现实时滚动预测。采用方法TDFNM对实测交通流量进行仿真实验,结果表明,该方法比常规BP网络具有更高的准确性,而且具有较强的适应性。 相似文献
16.
17.
短时交通流预测模型的分析与评价 总被引:27,自引:0,他引:27
从短时交通流预测定义出发,介绍短时交通流预测的原理及预测模型应具有的特性,重点介绍几种预测模型,对其建模的理论基础、特点及其可行性、有效性进行分析,并比较和评价各类预测模型。 相似文献