排序方式: 共有43条查询结果,搜索用时 22 毫秒
11.
12.
A K-nearest neighbor (K-NN) based nonparametric regression model was proposed to predict travel speed for Beijing expressway. By using the historical traffic data collected from the detectors in Beijing expressways, a specically designed database was developed via the processes including data filtering, wavelet analysis and clustering. The relativity based weighted Euclidean distance was used as the distance metric to identify the K groups of nearest data series. Then, a K-NN nonparametric regression model was built to predict the average travel speeds up to 6 min into the future. Several randomly selected travel speed data series, collected from the floating car data (FCD) system, were used to validate the model. The results indicate that using the FCD, the model can predict average travel speeds with an accuracy of above 90%, and hence is feasible and effective. 相似文献
13.
旅游交通出行信息的提取为挖掘旅游者出行时空特征提供数据基础,从而对旅游交通规划与设计、旅游客运优化以及多模式旅游交通协调系统构建等提供支持.本研究以客运包车定位数据为基础,利用DBSCAN算法建立了旅游出行停留点识别方法,并基于关联规则技术提出了出行链提取、分类方法.论文以青海省热度排名前三的青海湖,塔尔寺和茶卡盐湖为研究对象,从多时间粒度挖掘了旅游出行者的旅游交通客流月/日变特征和旅游时间分布特征,以及旅客出发时间、抵达时间、景区驻留时间等信息.论文的主要方法及研究结论可为政府主管部门、景区监管部门以及交通运营管理部门提供决策支持. 相似文献
14.
15.
16.
为了提高高速公路运行状态的监测水平,基于ETC交易数据预处理,根据计算周期内路段ETC数据量的大小,搭建了不同样本量水平条件下行程速度的提取模型.利用包含对象路段的多个OD对ETC交易数据提取路段的行程速度,提出基于OD对速度折减系数和可信度权值的速度修正方法,解决了小样本条件下速度提取可信度较低的问题.以北京市高速公路路段数据进行了现场验证.结果表明,模型的平均绝对误差为4.5 km/h左右,平均相对误差为6.5%左右;高峰和非高峰时期的误差均方差分别为2.38 km/h和3.39 km/h,说明高峰时期的速度提取稳定性优于非高峰时期.仅利用ETC数据不能完整反映车辆的行驶状态,未来可融合其他数据源,进一步提高高速公路运行状态提取的准确性和可靠度. 相似文献
17.
18.
刷卡数据为研究公共交通乘客长期出行规律提供了数据基础.利用北京市2018年 4~5月的刷卡数据,通过提取乘客活动地,推断居住地位置和识别活动类型3个步骤构建乘客个体活动链;基于PrefixSpan算法提取普通卡、老年卡、学生卡乘客活动链的频繁序列模式,采 用Levenshtein距离度量3类乘客活动链日维度的相似性.结果表明:每类用户中约70%乘客的频繁活动序列是对称模式;普通卡和学生卡用户的相似性高于老年卡用户,平均值分别为 0.645、0.649和0.530;3类乘客的工作日与非工作日活动链具有明显差异,而工作日之间或非工作日之间具有较高相似性.本文有助于定量解析公共交通乘客的出行活动规律,为科学优化公共交通服务提供依据. 相似文献
19.
城市交通运行监测和预测是掌握交通运行变化特点,制定缓解交通拥堵策略的重要工作,其结果能为公众提供有效的路况信息,亦为政策措施的制定和效果评估提供重要支撑.有别于传统的短时交通预测,本文提出的预测模型不是针对相邻时段的运行状态预测,而是更长跨度上,针对日级别高峰时段交通运行状态的预测.构建了包含时间周期、特殊天气、节假日、限行、大型活动等因素的多维度影响因素集;以长期历史交通指数构建数据训练集,提出了基于梯度推进决策树的日维度路网状况预测模型.应用最优模型进行验证,结果表明,模型预测精度可达 90%以上,与其他 4种回归模型的对比分析也显示,本文所提出的模型在各项评分中均表现最优,说明其更适合于大样本、多因素的回归分析.本文所提出的日维度预测模型对提升城市路网运行质量、缓解交通拥堵具有重要的应用价值. 相似文献