短时交通流
短时交通流的相关文献在2003年到2022年内共计313篇,主要集中在公路运输、自动化技术、计算机技术、综合运输
等领域,其中期刊论文110篇、会议论文6篇、专利文献80112篇;相关期刊78种,包括物流工程与管理、山东交通学院学报、计算机仿真等;
相关会议6种,包括“综合交通发展与多式联运组织”学术研讨会、第五届中国智能交通年会暨第六届国际节能与新能源汽车创新发展论坛、2008第四届中国智能交通年会等;短时交通流的相关文献由794位作者贡献,包括曹阳、钱伟、施佺等。
短时交通流—发文量
专利文献>
论文:80112篇
占比:99.86%
总计:80228篇
短时交通流
-研究学者
- 曹阳
- 钱伟
- 施佺
- 沈琴琴
- 刘宴兵
- 肖云鹏
- 冯心欣
- 施振佺
- 曹志超
- 王炜
- 陈忠辉
- 包银鑫
- 张玉梅
- 朱森来
- 何镇镇
- 凌献尧
- 刘海波
- 刘静
- 华雪东
- 吕宜生
- 吴茂呈
- 周伟
- 奚钟华
- 崔龙波
- 庞希愚
- 张伟斌
- 张凯
- 彭文勤
- 徐艺文
- 朱凤华
- 朱勇
- 李冰锋
- 李学岭
- 李锐
- 杨矿利
- 殷立峰
- 汪庆明
- 沈国江
- 王成
- 王飞跃
- 车凯
- 郑海峰
- 郭海锋
- 陈琳
- 陶虹妃
- 黄凯征
- 黄国林
- 余立建
- 刘恒孜
- 刘洪
-
-
聂铃;
张剑;
胡茂政
-
-
摘要:
短时交通流预测是实现交通流诱导与控制的重要保障,鉴于交通流的随机性和复杂性,提出基于自适应噪声完全集合经验模态分解(CEEMDAN)的短时交通流组合预测模型。利用CEEMDAN算法对非线性序列具有自适应分解的特性,将交通流时间序列通过CEEMDAN分解为频率不同、复杂度不同的多个时间序列分量;利用PE算法分析各个分量的随机特性,根据时间序列分量的不同随机特性分为高频序列分量、中频序列分量和低频序列分量,根据高频、中频和低频序列分量的随机特性分别建立GWO-BP模型、GWO-LSSVM模型和ARIMA模型进行预测;叠加高频、中频和低频各个分量的预测结果,得到短时交通流最终预测值。仿真分析结果表明,与其他预测模型相比,基于CEEMDAN分解的短时交通流组合预测模型提升了预测精度。
-
-
兰晓斌;
马新婷
-
-
摘要:
智慧交通的协调控制是提高城市交通运行效率的关键,由于传统控制系统对多源交通信息的采集不够全面,导致对智慧交通流量的协调控制效果不佳,研究基于5G的智慧交通协调优化控制系统设计。基于5G控制短时交通流,完成智慧交通流的预测和管理。经实验论证分析,本文系统对车辆总延误时间的目标优化具有较好的控制性能。经实验对比验证,本文系统比传统系统的车辆总延误时间少63.8s,说明本文方法具有有效性。
-
-
李翠;
黄侃;
李霞
-
-
摘要:
为有效预测高速公路短时交通流,提出一种将K近邻(KNN)法和主成分分析(PCA)法相结合的KNN-PCA法。工作流程为:1)采用KNN法筛选出与当前状态相似的多条交通流(即近邻);2)将所有相似交通流延拓至待预测时刻,并将其表达为矩阵形式后进行PCA以得到主成分;3)将当前交通流延拓至预测时刻并将其表达为少数起主要贡献主成分的线性组合;4)采用最小二乘法直接得到这些主成分的组合系数估计值;5)基于组合系数估计值,将这些主成分再次线性组合后,直接提取预测时刻的交通量。基于高速公路实测交通流进行数据分析,应用结果表明,KNN-PCA法原理清晰,计算简单,具有良好的预测能力,能很好地预测短时交通流的变化趋势。
-
-
宋旭东;
任梦雪
-
-
摘要:
在交通流预测中,采用单一预测模型对短时交通流进行预报,预报值有时会出现大的随机波动,预测误差超出安全限,对交通流诱导和交通出行决策带来严重后果。为解决上述问题,提出了一种组合预测模型对短时交通流进行预测。首先通过ELM模型预测方法进行短时交通流初始预测;然后采用EMD算法分解初始预测残差得到有限个本征模函数(IMF);其次利用ASPSO算法优化的GRU模型学习各IMF分量的短期时序规律并进行提前预测,求取每个IMF分量的预测数值的和从而获得残差预测值;最后把初始预测值和残差预测值进行求和进而获取最终预测结果。仿真结果表明:与单一的GRU模型和ELM-GRU模型相比,上述组合预测模型的平均绝对误差及均方根误差均为最小,预测精度更高,是一种更为有效的短时交通流预测方法。
-
-
刘川
-
-
摘要:
在智能交通领域内,实时准确的短时交通流预测是实现智能交通诱导和控制的关键技术。交通流时间序列数据具有数量庞大的特性,很多方法不能有效地提高数据利用率,从而造成预测精度低下的问题。循环神经网络(Recurrent Neural Network,RNN)对时间序列的处理具有很高的效率,对此,本文在RNN的基础上,提出了长短时记忆(Long-Short Term Memory,LSTM)模型,并通过改变其内部参数和结构,建立了3种LSTM变体模型来对15 min短时交通流进行预测。实验结果表明,LSTM及其变体模型在预测准确性上,精度都达到了5%以内,相较于RNN都提高了3个百分点;而在LSTM类模型中,尤以LSTM3的预测性能最高,可用于长期的短时交通流预测。
-
-
高洪波;
张登银
-
-
摘要:
随着我国汽车保有量持续大幅增加,交通拥堵、空气污染、能源浪费、时间延误、雾霾加重等问题日益严重。为了有效解决上述问题,对道路交通实行智能控制与管理的智能交通系统应运而生。以车流量这个道路交通拥堵重要的影响因素为研究对象,结合实际的短时交通流数据,在传统指数平滑法建模的基础上,针对其中的平滑系数和初值这两个关键参数的选取,提出了基于等步长双参数寻优的三次指数平滑改进算法。最后,依据实测的短时交通流量数据进行仿真实验,实验结果表明:改进的指数平滑模型较之于传统指数平滑模型在预测精度方面更具优势。
-
-
张力
-
-
摘要:
随着道路上的车辆迅速增多,为了保障出行效率,需要在预测交通流量的基础上发布管控策略。交通数据具有高度非线性和时空依赖性,如何灵活提取交通数据的时空特征并发现其相关性来准确地预测交通流量具有一定的挑战。基于此,笔者提出一种新的基于Transformer的时空网络模型,将注意力机制引入到网络模型中,通过注意力机制有效捕捉动态数据的时空相关性,最后加权融合生成预测结果。
-
-
刘君
-
-
摘要:
为提高短时交通流预测的数据拟合能力,提出基于支持向量机(SVM)与神经网络的组合预测模型SVM-BPNN、SVMRBFNN。结合实际道路的短时交通流数据,将组合模型与其他典型预测方法实验对比。结果表明,本文提出的组合模型SVM-RBFNN预测精度更高,在短时交通流量预测方面具有明显优势。
-
-
陈昆;
曲大义;
贾彦峰;
王韬;
洪家乐
-
-
摘要:
为了缓解城市交通拥堵问题,需要探究城市道路交通的本质特征,基于大数据深入挖掘道路交通流的复杂特性,提出了一种ARIMA与SVM的组合预测模型,对道路断面交通流量进行预测。以西安市区道路交通流检测数据为基础,利用MATLAB数值仿真软件进行组合预测模型的训练,对比分析单一模型和组合模型的预测效果,ARIMA-SVM组合模型预测结果的平均绝对百分比误差为1.57,均方根误差为4.7535,与单一预测模型的预测效果相比,在道路断面短时交通流量预测方面,组合预测模型的精确性更高,可靠性更强。
-
-
程山英
-
-
摘要:
交通流的各个数据指标对应状态信息的连接关系,其不可分割的线性属性使得预测结果的准确性受到影响,为此提出基于支持向量回归(Support Vector Regression,SVR)的短时交通流预测模型。首先,在引入惩罚因子的基础上,利用径向基核函数构建交通流数据支持向量机,并在超平面内根据不同属性参量对交通流数据信息进行分类;其次,以模型的输出结果与实际交通流之间的误差达到最小值为目标函数;最后,为各个分类对应的属性设置权重参量,结合预测路段的覆盖范围构建交通流预测模型。测试结果表明,该模型的预测结果明显优于对比方法,MAE始终稳定在9.000以下,RMSE始终稳定在11.000以下,R^(2)值始终稳定在0.995以上,可以实现对交通流信息的高精度预测。
-
-
-
ZHANG Xiao-li;
张晓利;
LU Hua-pu;
陆化普
- 《第五届中国智能交通年会暨第六届国际节能与新能源汽车创新发展论坛》
| 2009年
-
摘要:
本文首先从自动控制角度认识交通流预测本质,深入分析了短时交通流存在的非线性、时变性和不确定性三个特性,指出应用径向基神经网络(RBF)和非参数回归方法(NPR)进行短时交通流预测的适用性.提出将径向基神经网络的输入端和训练数据重新进行选择,并且对网络的权值和阈值重新进行训练是保证交通流特性的关键,将此关键问题对应到算法中的两个重要参数:预测误差范围和最大神经元数目进行了预测结果分析说明.同样对于非参数回归方法中两个重要参数:近邻点个数和预测误差范围也做了预测结果分析.应用这两种方法对某一天进行了微观预测结果分析.预测结果说明,这两种方法都能够比较好地适应交通流特性,预测效果很好.
-
-
-
-