短时交通流预测方法综述

短时交通流预测是道路交通控制系统、交通流诱导系统等领域需要解决的首要问题之一.因此,如何能够实时准确的预测交通流量成为了交通管理与控制是否能够有效实现的关键问题.     

交通流预测网格自适应负载平衡研究

交通流预测从理论研究到投入实际应用,需要满足大规模路网交通流预测对计算资源的需求,同时能以较低的代价使用这些资源,网格技术提供了这种可能性。但是网格是一个动态共享的环境,负载失衡会使得交通流预测的实时性无法得到保障。由于路网交通流预测任务是由一组不断被执行的相互独立任务组成的。提出了一种结合网格节点动态负载信息与任务执行时间反馈的自适应网格负载平衡算法,根据系统负载变化来分配任务到各个主机,同时根据各个节点上任务执行时间的差距来调节各个节点的负载。并且在此算法的基础上构建了大规模路网的交通流预测网格系统,验证了算法在实际运用中的可行性。     

短时交通流预测方法综述

以交通流预测研究的步骤为主线,对短时交通流预测的方法进行研究.对现存预测方法进行了分类分析:基于统计理论的方法、基于神经网络的方法、基于非线性理论的方法以及基于新兴技术的预测方法.将人工神经网络模型与其他领域的研究相结合的综合预测模型要比单一神经网络预测模型、常规预测模型的预测效果好;基于非线性理论的预测方法有较好的发展前景.     

基于神经网络和混沌理论的短时交通流预测

文章通过分析短时交通流量数据在时间序列上的特点，结合神经网络和混沌理论，从非线性时间序列预测的角度对交通量预测进行探讨。并用该方法对广州至佛山高速公路交通流进行了预测，取得了较为满意的效果。     

ARIMA模型结合小波去噪的贵阳城市交通流预测

由于交通流量具有非线性和强干扰性的特征,在不同的时频域空间具有不同的特性;本文首先应用小波分析的方法,将含有综合信息的一组原始交通流信号分解为多组特征不同的时间序列信号,再利用ARIMA模型良好的线性拟合能力,将经过小波分析的时间信号通过ARIMA模型进行处理.利用Matlab和SPSS,对实测交通流数据进行了验证分析...     

基于PSO-Elman高速公路交通流预测研究

本文提出了基于粒子群算法(PSO)的Elman神经网络混合优化策略,采用PSO优化连接权值来训练神经网络,与标准BP算法相比,PSO采用实数编码,结构简单,学习收敛快,仿真结果表明该模型适合于高速公路短期交通流预测.     

基于神经网络的交通流的预测

在简要介绍智能系统中交通流的实时检测设备的基础上，为满足交通流诱导系统的理论需要，建立了实时交通流量神经网络预测模型，该模型为交通流诱导系统提供了预测交通状况的一种很好的方法。     

最优组合预测及其在短时交通流预测中的应用

交通流量预测结果的好坏直接关系到交通控制与诱导的效果,因此,短时交通流预测是先进交通管理信息系统中关键技术问题之一。在简要介绍最优组合预测模型基础上,以预测误差平方和最小为准则确定最优组合预测模型中的权系数,实现交通流预测模型的最优组合,并利用实际数据通过与单一时间序列模型、线性回归模型、卡尔曼滤波模型及人工神经网络模型的预测精度比较分析,验证了交通流最优组合预测模型的有效性和实用性。     

预测信息下降级路网的交通流演化

为考察ATIS提供的预测信息对降级路网交通流演化的影响,设计了一种基于加权移动平均的行程时间预测方法,建立了预测信息环境下的路径更新规则。针对一个小型测试网络,利用提出的路径更新规则分析了预测信息依赖程度参数、信息质量参数、权值参数以及网络降级程度对交通流演化的影响。结果表明:1)信息环境下出行者对预测信息的依赖存在一个临界值,当依赖程度小于该值时,交通流很快演化至稳定状态,当依赖程度大于该值时,网络交通流会发生振荡;2)存在某种情形,信息系统所提供的预测信息质量越高,交通流演化的效果越差;3)对特定降级网络,存在某一最优权值组合,可用于指导该网络预测信息的发布;4)路网降级程度越小,预测信息所起的作用越大。     

基于GRNN模型的城市道路短期交通流预测研究

采用剔出了城市道路短期交通流的周周期性特征的周差分数据作为广义回归神经网络（GRNN）模型的预测对象,这样既能避免合理选择交通流影响因素作为神经网络输入变量的困难,又能迅速获得实时短期交通流预测结果。研究结果表明,构建的神经网络模型能够很精确地实时预测城市道路短期交通流。     

基于神经网络的交通流的预测

在简要介绍智能系统中交通流的实时检测设备的基础上 ,为满足交通流诱导系统的理论需要 ,建立了实时交通流量神经网络预测模型。该模型为交通流诱导系统提供了预测交通状况的一种很好的方法     

基于动态贝叶斯网络的交通流状态辨识方法

为准确地对交通流状态进行辨识,进而支持交通流实时诱导系统有效运行,结合速度、流量与车道占有率3种交通流参数,将贝叶斯网络用于交通流状态辨识,提出了基于动态贝叶斯网络的交通流状态辨识方法. 利用英国南安普敦市的实际数据对上述方法进行了仿真验证. 验证结果表明,利用动态贝叶斯交通流状态辨识方法可以更加准确地判别出交通流所处的运行状态,这为智能交通系统,特别是交通流实时诱导系统,提供了一定的理论支持.      

高速公路交通量预测与监控策略

文章以宁宣杭高速公路宁国至千秋关段为例,分析了高速公路交通量的预测方法,并在预测交通量的基础上,提出了宁国至千秋关段高速公路的控制策略,为今后高速公路监控系统设计提供了依据。     

基于改进果蝇的混合小波神经网络交通流预测

为了提高交通流预测精度,提出了一种基于果蝇算法的混合小波神经网络模型.首先,选择果蝇优化算法对小波神经网络的初始参数进行调节,解决了小波神经网络预测对初始参数敏感的问题.其次,将迭代次数和当前解的情况作为搜索半径和种群规模的动态调整因子,对果蝇算法进行了改进,提高了果蝇算法的全局寻优能力和局部收敛速度.最后,鉴于小波神...     

交通流噪声分析的流体力学特征线算法

把车流模拟为流动的线噪声源,利用流体动力学理论建立交通流模型,提出的特征线算法解决了差分数值格式对初始条件和畅流速度等的制约,以及信号灯控制下的流场分布和噪声预报问题,计算结果与有关实测数据的对比表明本文方法是准确可靠的。     

径流式有叶涡轮流量特性预测及试验研究

介绍一般的涡轮流量计算方法,分析其不足之处.在此基础上,经考察涡轮流道上各种气体状态参数间的关系,提出一种通过联立方程预测涡轮流量特性的方法,并给出了该方法的求解过程.用该方法与涡轮台架试验相结合确定了流量系数随工况的变化关系,利用这种关系预测了几个径流式有叶涡轮的流量特性.试验表明,该方法是可行的,并且有较高的准确性.     

一种基于局部加权学习的自适应交通流预测机制

结合交通流的特征, 提出了一种自适应的交通流预测机制。首先根据训练数据特点, 按三相交通流理论对交通状态进行分类, 从每个分类对应的训练数据集内提取相应的最佳邻域。在基于局部线性回归模型的预测中, 根据邻域中数据点所处状态分别选择相应局部模型进行预测, 最终预测结果为各局部模型预测值的加权平均。根 据各模型误差确定当前数据所处状态, 增量加入训练数据集。基于真实交通数据的实验证实该方法能够有效提高预测的准确率。     

基于熵理论的城市主-支路交汇处交通状态判别

本文通过城市道路交通系统和热力学系统的对比,将热力学的基本理论———熵运用到交通流领域,并在交通流流体理论的基础上建立了熵产生模型。分析确定指定状态时注入的负熵及其意义,建立了主－支路交汇处交通系统的总熵模型,从而得到交通状态判别熵模型和需要注入负熵的条件。研究结果表明,熵值越小,道路服务水平越高。