基于神经网络及关联性修正的交通异常预测研究 |
| |
引用本文: | 安实,王雷,周超.基于神经网络及关联性修正的交通异常预测研究[J].交通信息与安全,2019,37(2):10-17. |
| |
作者姓名: | 安实 王雷 周超 |
| |
作者单位: | 哈尔滨工业大学交通科学与工程学院 哈尔滨 150090 |
| |
摘 要: | 为实现城市交通异常管理的主动式响应,给交通异常处置争取更多的时间,减少交通异常对城市路网的影响,提出了一种基于神经网络及关联性修正的交通异常预测方法.基于历史异常数据构建交通异常数据库,并定义了预测模型中的主要参数;构建了基于改进神经网络算法的交通异常预测模型,在此基础上,创新性地提出了结合不同单元区域背景概率及交通异常相关关系挖掘的预测修正算法,对预测结果进行关联性修正以得到最终更加准确的预测结果,大幅提升了模型的预测精度.应用哈尔滨市30 d实例数据训练了所提出的交通异常预测模型,用15 d数据进行了验证,结果表明经过关联性修正的预测模型成功预测次数明显增加,相较于传统方法,预测成功率提升了31.46%,皮尔逊检验值均大于1.642,预测的结果的可信度大于80% 的置信水平.
|
关 键 词: | 智能交通 交通异常事件 交通异常预测 神经网络 皮尔逊检验 关联性修正 |
A Study to Forecast Abnormal Traffic Based on Neural Network and Relevant Correction |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《交通信息与安全》浏览原始摘要信息 |
|
点击此处可从《交通信息与安全》下载全文 |
|