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
2
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K最近邻算法的高速公路短时行程时间预测
被引量：
36
1
作者
王翔
陈小鸿
杨祥妹
《中国公路学报》
EI
CAS
CSCD
北大核心
2015年第1期102-111,共10页
为了在高速公路已有交通信息数据基础上实现行程时间的短时预测,构建并改善了基于K最近邻非参数回归的预测方法。首先利用收费数据中车辆进出高速公路的地点与时刻信息建立了行程时间数据集,并通过数据补充算法解决了当收费站间由于缺...
为了在高速公路已有交通信息数据基础上实现行程时间的短时预测,构建并改善了基于K最近邻非参数回归的预测方法。首先利用收费数据中车辆进出高速公路的地点与时刻信息建立了行程时间数据集,并通过数据补充算法解决了当收费站间由于缺少收费数据而无法获取历史行程时间的问题;然后,根据交通事故持续时间以及全天不同时段交通状况特征将历史行程时间数据集分为7类,并采用交叉验证的方法标定了各类历史数据集中的K值。结果表明:各时段行程时间预测值的平均绝对误差百分比都在5%以内;历史数据集分类能有效提高模型预测准确度;与发布前期行程时间和自回归模型预测结果相比,该方法具有更好的预测准确度与反应及时性。
展开更多
关键词
交通工程
短时交通流预测
k
最近
邻
非
参数
回归
行程时间
高速公路收费数据
原文传递
降雨条件下高速公路短时行程时间预测研究
被引量：
3
2
作者
李萌
谷远利
+2 位作者
王硕
陆文琦
张源
《交通信息与安全》
CSCD
北大核心
2018年第4期90-96,共7页
为实现降雨条件下高速公路路段行程时间短时预测,掌握恶劣天气下交通信息、提供交通诱导和决策支持,在已获取交通和气象数据基础上应用半距离法估计路段行程时间。并以遗传算法优化的径向基函数(RBF)神经网络和K最近邻非参数回归(KNN)...
为实现降雨条件下高速公路路段行程时间短时预测,掌握恶劣天气下交通信息、提供交通诱导和决策支持,在已获取交通和气象数据基础上应用半距离法估计路段行程时间。并以遗传算法优化的径向基函数(RBF)神经网络和K最近邻非参数回归(KNN)算法为基础,提出1种基于动态权重的行程时间组合预测模型。该组合预测模型的融合权重依据定义的动态误差的变化而持续调整,以保证子模型中精度较高的预测结果对最终结果有较大影响,从而提高预测精度。选取京港澳高速公路湖北省境内军山-武汉南路段,分析该路段降雨条件下行程时间特性,掌握其不同时段和不同降雨强度下行程时间变化规律,并进行预测。结果表明,组合预测模型能有效预测行程时间高峰变化,反应及时且预测精度较高,达到0.98,平均绝对百分误差1.99%;而单一的RBF神经网络和KNN算法的平均绝对百分误差分别为3.40%和2.60%,且拟合程度不如组合预测模型。
展开更多
关键词
交通工程
行程时间预测
径向基函数神经网络
k
最近
邻
非
参数
回归
组合预测
降雨
下载PDF
职称材料
题名
基于K最近邻算法的高速公路短时行程时间预测
被引量：
36
1
作者
王翔
陈小鸿
杨祥妹
机构
同济大学道路与交通工程教育部重点实验室
江苏沪苏浙高速公路有限公司
出处
《中国公路学报》
EI
CAS
CSCD
北大核心
2015年第1期102-111,共10页
基金
江苏省高速公路网运营与服务智能化平台科技示范工程项目(交函科技[2014]376号)
文摘
为了在高速公路已有交通信息数据基础上实现行程时间的短时预测,构建并改善了基于K最近邻非参数回归的预测方法。首先利用收费数据中车辆进出高速公路的地点与时刻信息建立了行程时间数据集,并通过数据补充算法解决了当收费站间由于缺少收费数据而无法获取历史行程时间的问题;然后,根据交通事故持续时间以及全天不同时段交通状况特征将历史行程时间数据集分为7类,并采用交叉验证的方法标定了各类历史数据集中的K值。结果表明:各时段行程时间预测值的平均绝对误差百分比都在5%以内;历史数据集分类能有效提高模型预测准确度;与发布前期行程时间和自回归模型预测结果相比,该方法具有更好的预测准确度与反应及时性。
关键词
交通工程
短时交通流预测
k
最近
邻
非
参数
回归
行程时间
高速公路收费数据
Keywords
traffic engineering
short term traffic flow prediction
k
nearest neighbor nonpara-metric regression
travel time
expressway toll data
分类号
U491.1 [交通运输工程—交通运输规划与管理]
原文传递
题名
降雨条件下高速公路短时行程时间预测研究
被引量：
3
2
作者
李萌
谷远利
王硕
陆文琦
张源
机构
北京交通大学城市交通复杂系统理论与技术教育部重点实验室
出处
《交通信息与安全》
CSCD
北大核心
2018年第4期90-96,共7页
基金
交通运输部交通建设科技项目(2011308223330)资助
文摘
为实现降雨条件下高速公路路段行程时间短时预测,掌握恶劣天气下交通信息、提供交通诱导和决策支持,在已获取交通和气象数据基础上应用半距离法估计路段行程时间。并以遗传算法优化的径向基函数(RBF)神经网络和K最近邻非参数回归(KNN)算法为基础,提出1种基于动态权重的行程时间组合预测模型。该组合预测模型的融合权重依据定义的动态误差的变化而持续调整,以保证子模型中精度较高的预测结果对最终结果有较大影响,从而提高预测精度。选取京港澳高速公路湖北省境内军山-武汉南路段,分析该路段降雨条件下行程时间特性,掌握其不同时段和不同降雨强度下行程时间变化规律,并进行预测。结果表明,组合预测模型能有效预测行程时间高峰变化,反应及时且预测精度较高,达到0.98,平均绝对百分误差1.99%;而单一的RBF神经网络和KNN算法的平均绝对百分误差分别为3.40%和2.60%,且拟合程度不如组合预测模型。
关键词
交通工程
行程时间预测
径向基函数神经网络
k
最近
邻
非
参数
回归
组合预测
降雨
Keywords
traffic engineering
travel time forecast
RBF neural networ
k
k
nearest neighbor nonparametric regression
combined forecasting model
rainfall
分类号
U491 [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K最近邻算法的高速公路短时行程时间预测
王翔
陈小鸿
杨祥妹
《中国公路学报》
EI
CAS
CSCD
北大核心
2015
36
原文传递
2
降雨条件下高速公路短时行程时间预测研究
李萌
谷远利
王硕
陆文琦
张源
《交通信息与安全》
CSCD
北大核心
2018
3
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
