短時(shí)交通流預(yù)測(cè)研究綜述

短時(shí)交通流預(yù)測(cè)研究綜述

ID:31896866

大?。?7.87 KB

頁數(shù):9頁

時(shí)間:2019-01-25

短時(shí)交通流預(yù)測(cè)研究綜述_第1頁
短時(shí)交通流預(yù)測(cè)研究綜述_第2頁
短時(shí)交通流預(yù)測(cè)研究綜述_第3頁
短時(shí)交通流預(yù)測(cè)研究綜述_第4頁
短時(shí)交通流預(yù)測(cè)研究綜述_第5頁
資源描述:

《短時(shí)交通流預(yù)測(cè)研究綜述》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、短時(shí)交通流預(yù)測(cè)研究綜述摘要:道路交通流預(yù)測(cè)預(yù)報(bào)是智能交通系統(tǒng)關(guān)鍵技術(shù)之一,短時(shí)預(yù)測(cè)是交通控制、車輛導(dǎo)航的技術(shù)基礎(chǔ)。本文概述了道路交通流預(yù)測(cè)方法的發(fā)展歷程,分析比較了各預(yù)測(cè)模型的優(yōu)點(diǎn)、缺點(diǎn)及適用情況,給出了道路交通預(yù)測(cè)的一般流程。對(duì)現(xiàn)存預(yù)測(cè)方法進(jìn)行了分類分析:基于統(tǒng)計(jì)理論的方法、基于神經(jīng)網(wǎng)絡(luò)的方法、基于非線性理論的方法以及基于檢測(cè)器優(yōu)化選擇的短時(shí)交通流預(yù)測(cè)算法的預(yù)測(cè)方法。將人工神經(jīng)網(wǎng)絡(luò)模型與其他領(lǐng)域的研究相結(jié)合的綜合預(yù)測(cè)模型要比單一神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、常規(guī)預(yù)測(cè)模型的預(yù)測(cè)效果好;以預(yù)測(cè)的均方誤差最小為目標(biāo)函數(shù),通過遺傳算法優(yōu)化選擇合適的檢測(cè)器,以小波神經(jīng)網(wǎng)絡(luò)作為預(yù)測(cè)算法

2、進(jìn)行短時(shí)交通流預(yù)測(cè)具有很高的精度和適用性。關(guān)鍵詞:交通工程;交通流理論;短時(shí)交通流;預(yù)測(cè)模型;神經(jīng)網(wǎng)絡(luò)算法ResearchonShort-TimeTrafficFlowForecastingMethodsLIUJia-tong(1.DepartmentofBridgeEngineering,SchoolofHighway,Chang’anUnversity)Abstract:Predictionofroadtrafficflowisoneofthekeytechnologiesofintelligenttransportationsystem.Thispapers

3、ummarizesthedevelopmentofroadtrafficflowforecastingmethods,analyzesandcomparestheadvantages,disadvantagesandapplicationofeachforecastingmodel.Theexistingpredictionmethodsareclassifiedbasedonthemethodofstatisticalanalysis:Basedonthetheoryandmethodsofnonlineartheoryandtrafficdetectorbas

4、edontheoptimalselectionofflowpredictionalgorithmbasedonpredictionmethodandneuralnetworkmethod.Thepredictioneffectofcomprehensivepredictionmodelofartificialneuralnetworkmodelandotherfieldscombinedthansingleneuralnetworkpredictionmodelandtheconventionalprediction;tominimizethemeansquare

5、derrorastheobjectivefunction,thegeneticalgorithmtochoosetheappropriatedetectorwiththewaveletneuralnetworkaspredictionalgorithmofshorttermtrafficflowforecastinghighprecisionandapplicability.Keywords:TransportationEngineering;TrafficFlowTheory;Short-termTrafficFlow;PredictionModel;Neura

6、lNetworkAlgorithm1引言2006年我國(guó)開始實(shí)施的“國(guó)家中長(zhǎng)期科學(xué)與技術(shù)發(fā)展規(guī)劃綱要一”中的交通科學(xué)問題研究專題中,明確提出了“發(fā)展一個(gè)系統(tǒng),解決三個(gè)熱點(diǎn)問題”的思路。其中,“一個(gè)系統(tǒng)”指的是綜合運(yùn)輸系統(tǒng),“三個(gè)熱點(diǎn)”指的是交通能源和環(huán)境、交通安全和大城市交通擁堵。智能交通系統(tǒng)被認(rèn)為是緩解道路交通擁堵、減少汽車尾氣排放污染和交通事故等交通問題的有效方法之一。短時(shí)交通流預(yù)測(cè)是智能交通系統(tǒng)的核心內(nèi)容和交通信息服務(wù)、交通控制與誘導(dǎo)的重要基礎(chǔ),能夠給出行者提供實(shí)時(shí)有效的信息,幫助他們更好地進(jìn)行路徑選擇,實(shí)現(xiàn)路徑誘導(dǎo),達(dá)到節(jié)約出行者旅行時(shí)間,緩解道路擁堵,減少

7、污染、節(jié)省能源等目的。目前,道路交通數(shù)據(jù)采集設(shè)備的性價(jià)比越來越合理,道路上交通數(shù)據(jù)的采集設(shè)備不斷完善,使得短時(shí)交通流狀態(tài)的分析處理和預(yù)測(cè)成為可能?,F(xiàn)有的研究成果多以基于實(shí)時(shí)數(shù)據(jù)的道路網(wǎng)短時(shí)交通流預(yù)測(cè)理論與方法研究為題,在交通流數(shù)據(jù)分析的基礎(chǔ)上[1],對(duì)道路網(wǎng)中多個(gè)斷面交通流狀態(tài)之間的相關(guān)性進(jìn)行分析,從而選擇預(yù)測(cè)的范圍和對(duì)象,對(duì)道路網(wǎng)中多個(gè)斷面的短時(shí)交通流預(yù)測(cè)理論和方法進(jìn)行了深入探討和研究,并且根據(jù)實(shí)際數(shù)據(jù)驗(yàn)證提出的預(yù)測(cè)模型。智能交通系統(tǒng)(IntelligentTransportSystems,以下簡(jiǎn)稱(ITS)作為一種能有效解決手段成為研究的熱點(diǎn)。交通系統(tǒng)是一個(gè)有

8、人參與的、

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。