快速二阶BP神经网络在公路交通量预测中的应用

在二阶BP神经网络基础上加以改进,提出一种快速二阶BP神经网络,并将把该方法成功地用于公路交通量的预测中,通过与其它方法的比较分析,得出快速二阶BP神经网络预测方法加快了收敛速度,提高了结果的准确度,为科学地预测公路交通量提供了有力依据.     

公路隧道交通量的预测及分析

公路隧道交通量的预测对隧道通风系统的节能以及降低隧道运营成本有很重要的意义。分别利用多元统计分析法和BP神经网络两种方法对公路隧道交通量进行了预测,并对两类预测数据进行分析比较,得出了多元统计分析法适用于车流量少而且稳定的公路隧道的预测,而BP神经网络法则适用于车流量大而且不稳定的公路隧道的预测的结论。     

基于浑沌神经网络的动态交通量预测方法研究

介绍了目前国内外道路交通量预测的方法、特点及实际的预测效果.由于城市道路交通的复杂性,使得一些现有交通量预测方法的预测精度不高.针对这些问题,应用混沌神经网络,建立了城市道路交叉口出口交通量的浑沌神经网络预测模型,并与传统的BP神经网络预测结果对比,表明此模型具有较好的预测效果.     

基于偏最小二乘神经网络的公路通道交通量预测组合模型

针对公路通道交通量预测的复杂性,提出偏最小二乘神经网络组合模型。传统的预测方法需要考虑城市经济、人口、工业发展等因素,这些因素之间存在密切的相关性,往往使得预测精度降低。本文将针对这些不足进行改进,将偏最小二乘方法和改进神经网络方法相结合,提取对因变量解释最强的成分进行预测。将该预测模型应用于揭阳市公路网规划通道交通量预测中,取得了良好的效果。     

基于径向基函数神经网络的交通量预测

采用了径向基函数神经网络进行未来年的交通量预测,它具有收敛速度快、唯一最佳逼近且无局部极小等优点.在进行交通量预测时,选取公路里程、汽车保有量、国民生产总值、国民收入和人口作为交通量影响因子,通过2个网络模型,在输出层输出该年的预测交通量.     

专用公路交通量预测方法的研究

分析了专用公路交通量预测的影响因素,把专用公路交通量预测分为3类:A类机械变化交通量、B类园区诱增交通量及C类趋势交通量。提出了3类交通量的预测方法,并通过实例应用,验证了预测方法的可行性。     

基于自适应神经网络模糊推理系统的交叉口交通冲突数预测

自适应神经网络模糊系统在建立对象输入和输出关系时,与传统的数学方法不同,它是基于数据的建模。本文利用这一系统特性,建立平面交叉口交通冲突数与进入交叉口内的左转交通量、右转交通量、直行交通量和行人过街交通量之间模型,提出自适应神经网络模糊系统预测交叉口冲突数的方法,建立一种快速获取交通冲突数的预测方法,为交通冲突数的调查开辟了新的途径。     

基于径向基函数神经网络的交通量预测

采用了径向基函数神经网络进行未来年的交通量预测,它具有收敛速度快、唯一最佳逼近且无局部极小等优点。在进行交通量预测时,选取公路里程、汽车保有量、国民生产总值、国民收入和人口作为交通量影响因子,通过2个网络模型,在输出层输出该年的预测交通量。     

高速公路城区段交通量组合预测方法研究

目前高速公路交通预测方法侧重分析跨区域间的公路交通需求,难以有效反映高速公路进入城市连绵建成区后,其承担的城市交通对交通量的影响,既有公路交通量预测方法不大适用于城区段高速公路交通量预测。对公路交通量预测方法进行改进,建立了适用于城区段高速交通量预测的传统公路交通量预测方法和城市交通预测方法相结合的组合预测方法。组合预测方法以成熟的城市交通预测流程为基础,交通生成和交通分布阶段采用两种方法分别平行进行预测。在交通分布/交通方式划分阶段,利用公路交通量预测方法预测所得项目影响区车辆OD矩阵,对城市交通规划模型获得的分车型OD矩阵进行校正。最后利用校正后的OD矩阵在城市交通规划模型中进行分配得到预测结果。该预测方法已应用于广深沿江高速沙井互通工程可行性研究交通量预测。     

交通量预测的神经网络集成方法

首次将神经网络集成技术引入交通量预测。神经网络集成通过训练多个神经网络并将各网络输出进行合成,可显著提高学习系统的泛化能力。在Boosting和Bagging集成方法的基础上,提出基于分治策略的神经网络集成方法,并且讨论了网络权重分配算法。使用上述三种神经网络集成预测模型,对苏州某交叉口实时交通量进行预测,预测结果比较理想,优于单一神经网络预测方法。实验表明,神经网络集成用于交通量预测是有效可行的。     

基于路段交通量的趋势增长--概率分配路网交通量预测方法

结合中国西部地区路网的现状,以路网中各路段的历史交通量调查数据和区域经济资料为依据,利用多元回归模型对路网的正常交通量进行预测;以现状路网正常交通量为基础,利用概率分配法对新建或改建路网的转移交通量和诱增交通量进行预测,形成基于路网路段交通量调查资料的趋势增长———概率分配路网交通量预测方法。该方法继承了个别推算法的优点又摈弃了总量控制法的缺点,可操作性强,适用于西部地区的路网。     

基于BP神经网络的交通事故预测模型

交通事故预测对于分析现有道路交通条件下交通事故的未来发展趋势及其预防具有重要意义。在进行交通事故统计的基础上，运用BP神经网络理论，建立交通事故预测模型。计算结果表明，该模型较传统方法精度高，可用于交通事故预测。     

交通冲突量的BP神经网络预测方法

交通冲突预测是进行交通事故预防和制定安全改善措施的有效手段，节约观测时间和人力。针对BP网络的缺点，提出了改进的快速BP算法，建立了交通冲突量的BP神经网络预测方法，并应用该方法对具体的交叉口交通冲突量的预测实例进行了研究，实践验证了该方法的有效性。     

空耦雷达技术在检测沥青路面厚度的探讨

本文介绍了神经网络的基本理论,提出了一种采用BP神经网络模型对空耦雷达道路检测路面厚度进行测算的新方法。并对BP神经网络模型在沥青混凝土路面厚度检测的应用进行了分析、比较,为GPR技术在道路工程检测实践中提供一种辅助判断手段。     

论城市道路交通量统计及预测

交通量是衡量交通发展状况的重要指标,其统计观测的准确性直接影响路网的规划布局及建设安排。本文主要分析影响交通量的因素,探讨统计观测分析的方法,建立了统计及预测的指标体系;并结合西安市道路建设的状况,提出了预测交通量的方法,为解决城市道路交通问题提供决策依据。     

基于BP神经网络的微观交通安全预测方法

将主成分分析及BP神经网络模型引入到道路交通安全性预测中,从微观层面分析影响交通事故的因素,重点分析道路参数,并形成文中的原始数据。对原始数据进行主成分分析,将结果作为神经网络模型的输入,建立BP神经网络模型,对道路交通安全性进行预测。结果表明,基于主成分分析的BP神经网络模型比一般BP神经网络模型精度更高,而且从微观的层面进行分析可以得到道路参数对交通事故的影响。     

基于BP神经网络的交通事故预测模型及仿真

交通事故的发生,受人、车、路、环境、管理等多方面因素的影响,存在很大的不确定性。利用BP神经网络,建立交通事故预测模型,并用Matlab仿真,验证模型的精确性。     

短时交通流量两种预测方法的研究

实时、准确的完成短时交通流量预测是实现交通控制与诱导的关键。采用基于L-M算法的BP神经网络预测方法和基于混沌时间序列的预测方法对短时交通流量时间序列进行了预测研究,给出两种方法的基本原理及具体的预测步骤,并对一组实际的流量数据进行了预测。仿真结果表明:两种方法都能较准确的预测交通流量,但混沌时间序列方法的实时性更好一些,更适合于预测短时交通流量。