共查询到10条相似文献,搜索用时 218 毫秒
1.
交通流量预测与分析是公路建设项目可行性研究或后评价的重要组成部分.基于交通流量预测与分析的思路,对比分析了近几年一些高速公路实际运营交通量与前期可研阶段预测交通量值,提出改进交通流量预测与分析的一些建议.以西安———宝鸡高速公路后评价研究为背景,应用有关成果进行了实证分析,效果良好. 相似文献
2.
3.
提出一种混合AGO-SVM高速公路交通量预测方法,原始交通量数据通过累加操作生成有规则的数据,预处理后的规则数据使用支持向量机法进行建模并预测,预测数据进行逆累加操作,获得下一时刻高速公路交通量的预测值,数据进行更新并保持样本序列不变从而进行高速公路交通量递推预测. 应用西宝高速交通量实际观测数据验证算法的有效性. 试验结果表明,在几种指标下该方法的预测精度比灰色模型法和支持向量机法的预测结果有所提高,是一种有效的高速公路交通流量预测方法. 相似文献
4.
5.
繁峙至大营高速公路交通量预测与分析 总被引:2,自引:2,他引:0
采用实证的方法,通过繁峙至大营高速公路工程可行性研究交通量预测的实例,阐述了交通量预测的过程及方法,并对模型和参数的选定、评价指标的应用进行了分析,为公路交通量的预测提供了可借鉴的经验。 相似文献
6.
为了提高高速公路交通量的预测精度, 综合考虑高速公路交通量的高度非线性和受多因素影响的特征, 提出一种基于非线性主成分分析和GA-RBF神经网络(NPCA-GA-RBF) 的高速公路交通量预测方法; 确定了高速公路交通量的主要影响指标, 运用非线性主成分分析法降低高速公路交通量影响指标的维数及其相关性, 用少数主成分代替原有的多指标, 以简化神经网络结构; 利用GA优化RBF神经网络的参数, 进一步提高交通量的预测精度; 以普洱市某高速公路为例, 对交通量预测方法进行实例验证。分析结果表明: 2组试验GA-RBF和NPCA-GA-RBF方法的平均相对误差分别比RBF方法降低1.62%、3.53%和2.27%、3.32%, 说明GA优化RBF神经网络能提高RBF方法的交通量预测精度; 与GA-RBF方法相比, 2组试验NPCA-GA-RBF方法的平均相对误差分别降低了1.91%、1.05%, 其交通量预测值更接近实际交通量, 预测结果更为可靠, 表明非线性主成分分析法消除了指标的相关性, 进一步提高了交通量预测精度, 减少了交通量预测复杂度。可见, NPCA-GA-RBF方法具有更高的交通量预测精度, 能为高速公路的良好管理提供可靠的决策依据, 满足高速公路合理运营管理的客观需求。 相似文献
7.
在大量调研的基础上,对西部地区主要干线高速公路特有的功能属性进行分析,从交通源头产生和常规方法的改进两个方面提出提高交通量预测精度的措施,对于西部地区正在进行前期研究的高速公路交通量预测,以及后评价具有重要的指导意义。 相似文献
8.
在大量调研的基础上,对西部地区主要干线高速公路特有的功能属性进行分析,从交通源头产生和常规方法的改进两个方面提出提高交通量预测精度的措施,对于西部地区正在进行前期研究的高速公路交通量预测,以及后评价具有重要的指导意义。 相似文献
9.
10.
基于进出口匝道流量的高速公路OD矩阵 总被引:2,自引:1,他引:2
分析了高速公路进出口匝道的交通流量特征及其与OD矩阵的关系,建立了高速公路进出口匝道交通量关系模型,生成了高速公路匝道系统的状态空间模型,分析了OD矩阵自身的特点,得到OD矩阵的约束关系,对常规的卡尔曼滤波方法进行了约束条件修正,从而形成了约束卡尔曼滤波递推方法。通过模拟数据的计算分析,约束卡尔曼滤波递推方法的性能与卡尔曼滤波递推方法相比有了很大的提高,能够较好地对高速公路上的时变OD矩阵进行跟踪,求解结果满足现代高速公路控制的需要。 相似文献