| 基于交通数据融合技术的行程时间预测模型 |
| |
| 引用本文： | 李 嘉 ,刘春华,胡赛阳,王 芳.基于交通数据融合技术的行程时间预测模型[J].湖南大学学报(自然科学版),2014,41(1):33-38. |
| |
| 作者姓名： | 李 嘉 刘春华 胡赛阳 王 芳 |
| |
| 作者单位： | (1.湖南大学 土木工程学院，湖南 长沙 410082; 2.中土集团福州勘察设计研究院， 福建 福州 350000; 3.清远职业技术学院，广东 清远 511500) |
| |
| 摘 要： | 针对当前城市道路行程时间的预测多限于单源数据且预测精度不高的问题,构建了基于浮动车GPS数据、微波检测器交通数据的行程时间预测融合模型.利用遗传算法优化小波神经网络,解决了小波神经网络初始参数选取时盲目与随机性问题,大大提高了网络搜索效率与训练速度.预测行程时间与视频观测数据吻合良好,表明该模型是有效的和可靠的.
|
| 关 键 词： | 数据融合 行程时间 预测模型 小波神经网络 遗传算法 |
A Travel Time Prediction Model Based on Traffic Data Fusion Technology |
| |
| Abstract: | The forecast of the current urban road travel time is mostly limited to single-source data and the prediction accuracy is not high. Based on the floating car GPS data and microwave detector traffic data, a model of travel time was built in the fusion method. Wavelet neural network was optimized by using genetic algorithms, which can solve the blindness and the randomness of selecting wavelet neural network initial parameter, thus greatly improving Web search efficiency and the speed of training. The predicted travel time is in good agreement with video observed data. The results show that the model is effective and reliable. |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《湖南大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《湖南大学学报(自然科学版)》下载免费的PDF全文 |
