期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于粒子群和LSTM模型的变区间短时停车需求预测方法
被引量：
7
1
作者
刘东辉
肖雪
张珏
《交通信息与安全》
CSCD
北大核心
2021年第4期77-83,共7页
停车信息是智能停车诱导系统得以成功实施的关键与基础,被广泛认为能够有效解决当前停车难问题。鉴于停车信息在解决停车问题中的重要性,研究了基于粒子群和LSTM模型的变区间短时停车需求预测方法。为充分发挥数据在提高模型预测精度的...
停车信息是智能停车诱导系统得以成功实施的关键与基础,被广泛认为能够有效解决当前停车难问题。鉴于停车信息在解决停车问题中的重要性,研究了基于粒子群和LSTM模型的变区间短时停车需求预测方法。为充分发挥数据在提高模型预测精度的作用,提出了以马尔可夫生灭过程为基础概率转移模型,将停车到达率、离开率量化车随时间变化的停车需求,通过标定实际的停车到达率和离开率,确定预测模型的动态预测间隔与时段;采用LSTM网络作为基础预测模型,并利用粒子群优化算法优化网络参数。以吉林大学南岭校区停车场为研究对象,按工作日与非工作日分别对停车数据进行预测并与其他预测模型进行对比分析。结果表明:提出的停车需求预测模型在工作日的预测平均绝对误差为2.53辆,均方误差为11.89辆;非工作日的预测平均绝对误差为2.32辆,均方误差为10.89辆。
展开更多
关键词
智慧
停车
实时及未来时刻
停车
信息
短时
停车
需求预测
马尔可夫生灭过程
LSTM
下载PDF
职称材料
题名
基于粒子群和LSTM模型的变区间短时停车需求预测方法
被引量：
7
1
作者
刘东辉
肖雪
张珏
机构
吉林警察学院信息工程系
吉林大交通学院
杭州市公安局交通警察支队
出处
《交通信息与安全》
CSCD
北大核心
2021年第4期77-83,共7页
基金
国家自然科学基金青年科学基金项目(51308249)
吉林省智能交通创新团队项目(20190101023JH)资助。
文摘
停车信息是智能停车诱导系统得以成功实施的关键与基础,被广泛认为能够有效解决当前停车难问题。鉴于停车信息在解决停车问题中的重要性,研究了基于粒子群和LSTM模型的变区间短时停车需求预测方法。为充分发挥数据在提高模型预测精度的作用,提出了以马尔可夫生灭过程为基础概率转移模型,将停车到达率、离开率量化车随时间变化的停车需求,通过标定实际的停车到达率和离开率,确定预测模型的动态预测间隔与时段;采用LSTM网络作为基础预测模型,并利用粒子群优化算法优化网络参数。以吉林大学南岭校区停车场为研究对象,按工作日与非工作日分别对停车数据进行预测并与其他预测模型进行对比分析。结果表明:提出的停车需求预测模型在工作日的预测平均绝对误差为2.53辆,均方误差为11.89辆;非工作日的预测平均绝对误差为2.32辆,均方误差为10.89辆。
关键词
智慧
停车
实时及未来时刻
停车
信息
短时
停车
需求预测
马尔可夫生灭过程
LSTM
Keywords
smart parking
real-time and future parking information
short-term prediction of parking demand
birth and death of the Markov process
LSTM
分类号
U491.7 [交通运输工程—交通运输规划与管理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于粒子群和LSTM模型的变区间短时停车需求预测方法
刘东辉
肖雪
张珏
《交通信息与安全》
CSCD
北大核心
2021
7
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
