基于移动检测技术的城市路网拥挤预测模型 被引量：2

1

作者 黄玲 林培群 徐建闽 《公路交通科技》 CAS CSCD 北大核心 2009年第10期121-125,共5页

提出了一种新的基于移动检测技术、神经网络和模糊判断方法的城市路网动态交通拥挤预测模型。首先构建一个3层BP神经网络模型判断路网实时交通流状态,并应用实地移动检测数据和视频数据获取BP神经网络训练样本并对其进行训练;然后结合... 提出了一种新的基于移动检测技术、神经网络和模糊判断方法的城市路网动态交通拥挤预测模型。首先构建一个3层BP神经网络模型判断路网实时交通流状态,并应用实地移动检测数据和视频数据获取BP神经网络训练样本并对其进行训练;然后结合路网静态拓扑结构,应用多重模糊推理,对路段发生交通拥挤的发生可能性、拥挤程度和形成时间做出预测。现场实测数据表明,该模型具有良好的预测效果。 展开更多

关键词 智能运输系统 交通拥挤预测 BP神经网络 移动检测技术 短期交通预测

下载PDF 职称材料

基于微观交通模型的动态路径规划

2

作者 顾国民 王卫红 李琰琰 《计算机应用研究》 CSCD 北大核心 2006年第11期149-151,共3页

利用微观交通模型的仿真现实交通,在模型中进行短期的交通预测,预测交通道路在未来某一个时刻的行车状况。在这个基础上运用改进栅格法的D ijstra算法演化方法进行动态的路径规划。

关键词 动态路径规划 微观交通 GIS 短期交通预测

下载PDF 职称材料

基于流量分析的道路照明节能控制方法研究

3

作者 高杰 张泳 《自动化博览》 2014年第1期76-77,81,共3页

城市智能交通系统的完善使得管理部门掌握了路网的实时交通状况,该数据可被用于道路功能性照明控制,以便在保障安全的基础上实现道路照明节能控制。将短时交通预测技术引入到控制策略中,又可进一步完善这种控制方法。

关键词 城市道路照明 交通流量 短期交通预测 BP神经网络

下载PDF 职称材料

探索站点时空移动模式:长短期交通预测框架

4

作者 沈哲辉 王开来 孔祥杰 《计算机科学》 CSCD 北大核心 2023年第7期98-106,共9页

随着智慧城市系统的技术发展与城市时空数据的急剧增加,公共服务需求也日益受到重视。公共交通作为城市交通中至关重要的组成部分,同样面临着巨大的挑战,并且交通网络的时空预测任务往往是解决各种交通问题的核心一环。交通中的移动模... 随着智慧城市系统的技术发展与城市时空数据的急剧增加,公共服务需求也日益受到重视。公共交通作为城市交通中至关重要的组成部分,同样面临着巨大的挑战,并且交通网络的时空预测任务往往是解决各种交通问题的核心一环。交通中的移动模式可以体现城市人群的出行行为及其规律,大多数交通预测任务研究中,移动模式的重要性经常被忽视。针对现有工作的问题,提出了一种多模式的交通预测框架(MPGNNFormer),使用基于图神经网络的深度聚类的方法提取站点的移动模式,并设计了一种基于Transformer的时空预测模型,在充分利用时间依赖关系和空间依赖关系的同时,提高了计算效率。在现实的公交车数据集上展开了一系列实验以进行评估和测试,包括移动模式的分析和预测结果对比,实验结果证明了所提方法在交通网络的长短期交通预测上的有效性。最后讨论了所提方法可扩展性。 展开更多

关键词 时空数据挖掘 长短期交通预测 移动模式 深度学习

下载PDF 职称材料

基于ARIMA与人工神经网络组合模型的交通流预测 被引量：68

5

作者 谭满春 冯荦斌 徐建闽 《中国公路学报》 EI CAS CSCD 北大核心 2007年第4期118-121,共4页

将自回归求和滑动平均(ARIMA)与人工神经网络组合模型用于短时交通流预测。利用ARIMA模型良好的线性拟合能力和人工神经网络强大的非线性关系映射能力,把交通流时间序列看成由线性自相关结构和非线性结构两部分组成,采用ARIMA模型对交... 将自回归求和滑动平均(ARIMA)与人工神经网络组合模型用于短时交通流预测。利用ARIMA模型良好的线性拟合能力和人工神经网络强大的非线性关系映射能力,把交通流时间序列看成由线性自相关结构和非线性结构两部分组成,采用ARIMA模型对交通流序列的线性部分进行预测,用人工神经网络模型对其非线性残差部分进行预测。结果表明:组合模型的预测准确性高于各自单独使用时的准确性;组合方法发挥了2种模型各自的优势,是短期交通流预测的有效方法。 展开更多

关键词 交通工程 短期交通流预测 自回归求和滑动平均模型 人工神经网络 时间序列

下载PDF 职称材料

基于贝叶斯组合模型的短期交通量预测研究 被引量：47

6

作者 郑为中 史其信 《中国公路学报》 EI CAS CSCD 北大核心 2005年第1期85-89,共5页

提出一种新的贝叶斯组合神经网络模型并将其应用于短期交通流量的预测。模型通过实时跟踪模型的预测表现,根据研究提出的分配算法不断调整模型的信用值,从而挑选并组合得到精度更高的预测模型。介绍了该模型的基本原理及在示范路网中的... 提出一种新的贝叶斯组合神经网络模型并将其应用于短期交通流量的预测。模型通过实时跟踪模型的预测表现,根据研究提出的分配算法不断调整模型的信用值,从而挑选并组合得到精度更高的预测模型。介绍了该模型的基本原理及在示范路网中的实际应用,通过选取反向传播神经网络和径向基函数神经网络,用以构造贝叶斯组合模型,并在测试数据集中进行了性能比较。计算结果表明:模型的预测性能整体上优于单一的神经网络模型,并且确保了模型预测的稳定性。 展开更多

关键词 交通工程 短期交通量预测 贝叶斯组合模型 神经网络模型

下载PDF 职称材料

基于SARIMA模型的城市道路短期交通流预测研究 被引量：22

7

作者 孙湘海 刘潭秋 《公路交通科技》 CAS CSCD 北大核心 2008年第1期129-133,共5页

以城市道路短期交通特征为基础,提出在使用季节自回归求和移动平均(SARIMA)模型进行预测时还应该考虑交通流日周期性特征,以提高模型的预测能力。预测研究不仅考虑了模型的样本内预测而且考虑了样本外预测,并通过两个预测误差统计量,即... 以城市道路短期交通特征为基础,提出在使用季节自回归求和移动平均(SARIMA)模型进行预测时还应该考虑交通流日周期性特征,以提高模型的预测能力。预测研究不仅考虑了模型的样本内预测而且考虑了样本外预测,并通过两个预测误差统计量,即预测误差绝对值均值和预测误差百分比绝对值均值,来对模型预测表现进行衡量与比较。研究结果显示,虽然只考虑城市道路短期交通流数据中周周期性的SARIMA模型预测能力比只考虑日周期性特征的SARIMA模型好,但是却比既考虑交通流数据中周周期性又考虑数据中的日周期性的SARIMA模型表现差。 展开更多

关键词 交通工程 短期交通流预测 季节自回归求和移动平均模型 日周期性 周周期性

下载PDF 职称材料

基于改进灰狼算法优化支持向量机的短期交通流预测 被引量：16

8

作者 何祖杰 吴新烨 刘中华 《厦门大学学报（自然科学版）》 CAS CSCD 北大核心 2022年第2期288-297,共10页

实时、准确的短期交通流预测是智能交通系统的基础和关键技术之一.由于灰狼优化算法(GWO)存在收敛速度慢、易陷入局部最优解等缺陷,为进一步提升短期交通流预测的精度,提出了基于改进灰狼算法(IGWO)优化支持向量机(SVM)的短期交通流预... 实时、准确的短期交通流预测是智能交通系统的基础和关键技术之一.由于灰狼优化算法(GWO)存在收敛速度慢、易陷入局部最优解等缺陷,为进一步提升短期交通流预测的精度,提出了基于改进灰狼算法(IGWO)优化支持向量机(SVM)的短期交通流预测模型.首先,本文提出引入帐篷(Tent)混沌序列初始化灰狼种群,更改收敛因子的线性递减公式,对灰狼群体进化差分丰富种群多样性等方法提高算法的收敛速度和收敛精度.之后,通过对8个测试函数的计算,并与粒子群算法(PSO)、GWO进行对比,证明IGWO的先进性.最后,建立IGWO-SVM短期交通流预测模型,并通过实际数据对比分析IGWO-SVM、GWO-SVM、PSO-SVM、SVM这4种短期交通流预测模型的预测效果.对比结果表明:IGWO-SVM具有良好的鲁棒性和泛化能力,可以对短期交通流进行精确预测. 展开更多

关键词 短期交通流预测 优化灰狼算法 Tent混沌序列 支持向量机

下载PDF 职称材料

基于神经网络和SARIMA组合模型的短期交通流预测 被引量：15

9

作者 孙湘海 刘潭秋 《交通运输系统工程与信息》 EI CSCD 2008年第5期32-37,共6页

为了更精确地预测短期交通流,提出由季节自回归求和移动平均模型(SARIMA)和广义回归神经网络(GRNN)模型所构成的组合模型(SARIMA-GRNN模型),该模型结合了时间序列模型和神经网络模型进行时间序列预测的优点.构造该组合模型的两个组成模... 为了更精确地预测短期交通流,提出由季节自回归求和移动平均模型(SARIMA)和广义回归神经网络(GRNN)模型所构成的组合模型(SARIMA-GRNN模型),该模型结合了时间序列模型和神经网络模型进行时间序列预测的优点.构造该组合模型的两个组成模型,即SARIMA模型和GRNN模型,也被用于预测研究以便于验证该组合模型在预测上的优势.实证研究结果表明,组合模型的预测精度高于SARIMA模型,但是却并不必然高于GRNN模型.然而,合理选择组合模型中神经网络部分的输入变量以及输出变量将显著地改善模型的预测精度,本文所构造的这个组合模型不仅具有很好的预测表现而且结构简单,非常适合城市道路短期交通流的实时预测. 展开更多

关键词 短期交通流预测 季节自回归求和移动平均模型 广义回归神经网络模型 组合模型

下载PDF 职称材料

基于维度加权的残差LSTM短期交通流量预测 被引量：15

10

作者 李月龙 唐德华 +4 位作者 姜桂圆 肖志涛 耿磊 张芳 吴骏 《计算机工程》 CAS CSCD 北大核心 2019年第6期1-5,共5页

基于神经网络的交通流量预测由于嵌入了部分手工设计的特征,使得提取的网络特征功能单一,存在适应性及鲁棒性差、数据局部特征刻画不准确等问题。为此,提出基于残差长短期记忆网络(LSTM)的交通流量预测方法,利用集成学习思想将空间分布... 基于神经网络的交通流量预测由于嵌入了部分手工设计的特征,使得提取的网络特征功能单一,存在适应性及鲁棒性差、数据局部特征刻画不准确等问题。为此,提出基于残差长短期记忆网络(LSTM)的交通流量预测方法,利用集成学习思想将空间分布的数据端到端训练到残差LSTM网络中,同时在每个LSTM单元后引入维度加权单元,显式建模特征维度之间的相互依赖关系。实验结果表明,该方法能实现短期交通流量数据的自适应建模分析。 展开更多

关键词 智能交通 短期交通流量预测 残差连接 长短期记忆网络 维度加权

下载PDF 职称材料

基于非线性理论的短期交通流预测研究 被引量：8

11

作者 王进 史其信 《西安建筑科技大学学报（自然科学版）》 CSCD 北大核心 2006年第2期184-188,共5页

尝试用非线性理论对短期交通流进行分析和预测.建立了基于混沌动力学理论的短期交通流预测模型和方法,给出短期交通流预测的框架,用主分量分析法(PCA)对三种采样间隔(1 min5、min和15 min)的短期交通流数据进行分析,在判定短期交通流表... 尝试用非线性理论对短期交通流进行分析和预测.建立了基于混沌动力学理论的短期交通流预测模型和方法,给出短期交通流预测的框架,用主分量分析法(PCA)对三种采样间隔(1 min5、min和15 min)的短期交通流数据进行分析,在判定短期交通流表现出混沌特性的基础上,用基于相空间重构理论的加权一阶局域预测法进行短期交通流预测.理论研究成果在上海延安高架路5 min采样间隔的交通流线圈检测数据中得到了验证,预测数据与实测数据吻合较好. 展开更多

关键词 短期交通流预测 混沌 相空间重构

下载PDF 职称材料

K近邻短期交通流预测 被引量：13

12

作者 方琴 李永前 《重庆交通大学学报（自然科学版）》 CAS 北大核心 2012年第4期828-831,共4页

从分析短时交通流特性入手,利用非参数回归中K近邻的方法,对道路交通流量进行短期预测;采用贵阳市道路交通流量的实际数据进行验证。结果表明:K近邻非参数回归预测模型能较为准确的进行道路短期交通流预测,该方法可用于短期交通流预测。

关键词 短期交通流预测 非参数回归 K近邻

下载PDF 职称材料

短期高速公路交通流量预测方法研究 被引量：10

13

作者 林蕾 舒勤 《计算机仿真》 北大核心 2017年第3期123-127,共5页

短时交通流量预测能够推算高速公路未来短时刻内的交通流量的发展动向,指导即时的高速公路交通运营管理并改善交通运行状况。传统短期预测模型只反映交通流量部分信息,受高速公路流量数据的流量成分复杂性和非线性影响较大,预测精确度... 短时交通流量预测能够推算高速公路未来短时刻内的交通流量的发展动向,指导即时的高速公路交通运营管理并改善交通运行状况。传统短期预测模型只反映交通流量部分信息,受高速公路流量数据的流量成分复杂性和非线性影响较大,预测精确度较低。为了提高高速公路短期交通流量的预测精度,结合交通流量数据中的周期性特征,提出一种改进的流量预测方法。首先提取流量数据的周期分量,然后用自回归滑动平均预测模型对去除周期分量后的残余分量进行预测,最后将得到的残余分量预测值与周期分量进行累加,得到最终的预测值。并进行若干组对比实验研究周期分量比例不同对预测的影响。当残余分量出现负值时,通过增减偏移量的方法对周期分量进行修正。实验表明,修正了周期分量后,提取了周期分量的数据再进行预测,精度能得到提高;周期分量的能量比例越大,精度提升越明显。 展开更多

关键词 高速公路 短期交通流预测 自回归滑动平均 周期分量 残余分量

下载PDF 职称材料

城市道路短期交通流预测VHSSA模型 被引量：8

14

作者 袁健 范炳全 《公路交通科技》 CAS CSCD 北大核心 2014年第5期135-140,146,共7页

针对出行者出行时对交通信息预报以及动态路径规划的要求,对路段的历史交通流时间序列数据进行了研究,利用城市路段交通流的周期相似性特征提出了基于纵横序列相似性的短期交通流预测VHSSA模型,该模型克服了以往预测模型只考虑纵向时间... 针对出行者出行时对交通信息预报以及动态路径规划的要求,对路段的历史交通流时间序列数据进行了研究,利用城市路段交通流的周期相似性特征提出了基于纵横序列相似性的短期交通流预测VHSSA模型,该模型克服了以往预测模型只考虑纵向时间序列周期性相似的缺陷,将全时间序列数据进行小波变换后分解为反映基本变化规律的基序列和反映波动变化情况的波动序列,既可只进行基序列预测,也可通过置信区间对波动序列进行修正,再与基序列叠加进行全序列预测。经试例验证,VHSSA模型和基于纵向序列相似性的VSSA模型分别与实测序列的基序列和全序列进行比对,VHSSA模型的预测效果总体优于VSSA模型,误差可满足实际要求。 展开更多

关键词 交通工程 VHSSA模型 周期相似性 短期交通流预测 小波分析

原文传递

周相似特性下交通流组合预测方法研究 被引量：8

15

作者 谭满春 李英俊 +1 位作者 关占荣 徐建闽 《计算机工程与应用》 CSCD 北大核心 2007年第33期193-195,共3页

根据交通流量具有周相似的特性,构造了周相似序列。用霍特指数平滑法对周相似序列进行预测,用人工神经网络对残差部分进行预测。将指数平滑法与神经网络法相结合,以便发挥每种方法的优势,获得比单个方法更好的预测结果。实例分析表明,... 根据交通流量具有周相似的特性,构造了周相似序列。用霍特指数平滑法对周相似序列进行预测,用人工神经网络对残差部分进行预测。将指数平滑法与神经网络法相结合,以便发挥每种方法的优势,获得比单个方法更好的预测结果。实例分析表明,比单独使用ARIMA或单独使用神经网络方法,使用组合方法的预测误差最小,适合于实时的交通流预测。 展开更多

关键词 短期交通流预测 霍特指数平滑法 人工神经网络 周相似 组合方法

下载PDF 职称材料

交通流可预测性分析 被引量：2

16

作者 王进 史其信 陆化普 《ITS通讯》 2005年第2期11-14,共4页

交通流的可预测性是进行短期交通流预测的基础。本文首先判别了短期交通流的混沌特性，求解出表征交通流“蝴蝶效应”的最大Lyapunov特征指数，在此基础上按照交通流动力系统运动轨道的演化特点求解出最大可预测时间，但是交通流系统是... 交通流的可预测性是进行短期交通流预测的基础。本文首先判别了短期交通流的混沌特性，求解出表征交通流“蝴蝶效应”的最大Lyapunov特征指数，在此基础上按照交通流动力系统运动轨道的演化特点求解出最大可预测时间，但是交通流系统是开放的复杂巨系统，最大可预测时间涉及到的影响因素很多，论文分析了交通流历史数据样本的大小和数据中含有的噪声对交通流可预测性的影响和随着预测步长的增加，交通流可预测性的衰减特征，得出交通流可预测性是一个综合指标，不能仅仅以最大Lyapunov指数的倒数来确定，应综合分析考虑。论文得到的结果在实际的交通流数据中得到了验证。 展开更多

关键词 混沌 交通流可预测性 最大LYAPUNOV指数 短期交通流预测 交通流预测 可预测性 短期交通流 预测时间 动力系统 论文分析

下载PDF 职称材料

基于深度学习的短期交通流预测方法综述 被引量：1

17

作者 崔建勋 要甲 赵泊媛 《交通运输工程学报》 EI CSCD 北大核心 2024年第2期50-64,共15页

针对基于深度学习的短期交通流预测问题,揭示了时空相关性建模本质,分析了建模过程中涉及的多尺度时空特性、异质性、动态性、非线性等特点,明确了基于深度学习进行短期交通流预测的核心挑战,阐述了短期交通流预测涉及的外部信息整合、... 针对基于深度学习的短期交通流预测问题,揭示了时空相关性建模本质,分析了建模过程中涉及的多尺度时空特性、异质性、动态性、非线性等特点,明确了基于深度学习进行短期交通流预测的核心挑战,阐述了短期交通流预测涉及的外部信息整合、多步预测与单步预测以及单体预测与集成预测等相关问题;按照网格化和拓扑化2种交通流数据组织方式,分别综述了当前最新的基于深度学习的短期交通流预测研究方向。研究结果表明:针对网格化交通流数据,当前研究主要包含了基于2D图像卷积神经网络、基于2D图像卷积神经网络与循环神经网络相结合、基于3D图像卷积神经网络3种预测建模方法;针对拓扑化交通流数据,当前研究主要包含了基于1D因果图像卷积与卷积图神经网络相结合、基于循环神经网络与卷积图神经网络相结合、基于自注意力与卷积图神经网络相结合、基于卷积图神经网络的时空同步学习4种预测建模方法;总体上,基于深度学习方法进行短期交通流预测相较于采用时间序列和经典机器学习方法获得了预测准确性上的极大提升;未来,针对物理理论、知识图谱与深度学习相结合,构建多时空数据挖掘大模型以及轻量化、可解释性、模型结构自动化搜索等维度的相关探索将成为重要研究方向。 展开更多

关键词 智能交通 短期交通流预测 深度学习 卷积神经网络 图神经网络 循环神经网络

原文传递

基于极限学习机的短期交通流预测混合优化模型 被引量：2

18

作者 蔡浩 李林峰 +2 位作者 李涵 李新 周腾 《交通运输系统工程与信息》 EI CSCD 北大核心 2023年第5期75-82,183,共9页

交通流的动态性、不确定性和非线性等特性导致交通流难以精确预测,本文在极限学习机(Extreme Learning Machine,ELM)的基础上,通过嵌入原子搜索算法(Atom Search Optimization,ASO),构建ASO-ELM短期交通流预测混合优化模型,对比现有短... 交通流的动态性、不确定性和非线性等特性导致交通流难以精确预测,本文在极限学习机(Extreme Learning Machine,ELM)的基础上,通过嵌入原子搜索算法(Atom Search Optimization,ASO),构建ASO-ELM短期交通流预测混合优化模型,对比现有短期交通流预测模型,分析混合优化模型在短期交通流预测领域的表现。实验选取荷兰阿姆斯特丹市A10环形公路为路网原型,使用ASO-ELM混合模型与常见交通流预测模型进行对比实验。实验结果表明:ASO-ELM混合模型在4个数据集下的平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)相较于ELM模型分别下降了4.3%、3.5%、6.9%和5.4%,均方根误差(Root Mean Squared Error,RMSE)分别下降了4.8%、4.0%、2.0%和5.2%;其次,与人工神经网络(Artificial Neural Network,ANN)相比,MAPE分别下降了9.6%、8.6%、9.8%和5.0%,RMSE也分别下降了4.5%、5.9%、2.6%和1.7%。研究成果揭示了混合优化模型在短期交通流预测领域的潜力。 展开更多

关键词 智能交通 短期交通流预测 混合预测模型 原子搜索算法 极限学习机

下载PDF 职称材料

基于融合神经网络的短期交通流预测研究 被引量：2

19

作者 李杰 张子辰 +1 位作者 孟凡熙 朱玮 《兰州交通大学学报》 CAS 2022年第3期60-67,91,共9页

针对交通流预测精度受到原始信号噪声、模态混叠等因素的影响,提出了一种基于集成经验模态分解和双向长短期记忆网络的融合神经网络模型,并加入注意力层,实现短期交通流预测.集成经验模态分解将交通流信号分解成多个固有模态分量,双向... 针对交通流预测精度受到原始信号噪声、模态混叠等因素的影响,提出了一种基于集成经验模态分解和双向长短期记忆网络的融合神经网络模型,并加入注意力层,实现短期交通流预测.集成经验模态分解将交通流信号分解成多个固有模态分量,双向长短期记忆网络从正向和反向同时读取序列,并将输出的信号输入注意力层.实验结果表明:所提出的模型成功抑制了模态混叠现象,并且可以更充分地学习交通流序列中的时序特征,且注意力机制能够捕捉整个交通流时间序列更加有影响力的时间点,并合理分配其训练权重,提高递归模型的特征提取能力;所提出的集成经验模态分解-长短期记忆网络-注意力机制模型的平均绝对百分比误差和拟合优度分别为1.2318%和0.9410,优于其他6种竞争模型,在短期交通流预测中具有较高的精度和稳定性. 展开更多

关键词 智能交通 短期交通流预测 集成经验模态分解 双向长短期记忆网络 注意力机制

下载PDF 职称材料

基于三制度SETAR模型的短期交通流预测 被引量：3

20

作者 刘潭秋 孙湘海 钟翔 《公路交通科技》 CAS CSCD 北大核心 2010年第10期122-127,142,共7页

针对城市道路交通流预测仅考虑正常(或没有交通事故)交通条件下短期交通流的现状,采用三制度自我激励阈值自回归(SETAR)模型进行短期交通流预测,该模型适合研究多种交通状态下交通流的动态变化行为。通过实例验证,对比分析了三制度SETA... 针对城市道路交通流预测仅考虑正常(或没有交通事故)交通条件下短期交通流的现状,采用三制度自我激励阈值自回归(SETAR)模型进行短期交通流预测,该模型适合研究多种交通状态下交通流的动态变化行为。通过实例验证,对比分析了三制度SETAR模型和自回归求和移动平均(ARIMA)模型对城市道路5 min交通流的预测,其中后者被用作比较基准模型。研究结果表明,这个模型不仅能够合理地解释交通流的变化行为,而且比ARIMA模型在向前1步样本外预测交通流变化幅度和变化方向上均有更好的预测表现。 展开更多

关键词 交通工程 短期交通流预测 三制度SETAR模型 非典型交通条件

原文传递