排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
信息技术的快速发展,为交通研究和城市交通管理提供了大规模、多样化的数据资源,并为城市交通状态估计和交通流预测方法的研究提供了有力支持。将城市交叉口视为一个微观交通系统,采用数据驱动与领域知识结合的方式,建立微观层次的交通因子状态网络模型（Traffic Factor State Network,TFSN）,考察交通因素之间的相互关联,并考虑环境因素的影响。该模型结合交通因子和环境影响因子的影响,通过对交通流数据进行聚类分析,估算出对应于环境影响因子的交通状态,并通过实际案例验证其物理意义以及与交通流实际状态的对应关系。进一步地,基于不同交通状态下的交通流数据建立高阶多元马尔可夫链,进行交通流预测,并根据交通流时间序列的聚类性能指标提高模型的预测准确性。对数据序列马氏性强弱、马尔可夫模型阶数与模型预测准确性之间关系进行分析。研究结果表明：根据马氏性合理选择马尔可夫模型的阶数可以提升模型预测准确性;直接对原始交通流数据进行预测的平均绝对百分比误差为24.61%,而不同交通状态下交通流预测的平均绝对百分比误差为16.99%,相比直接预测误差下降了7.62%,验证了所提出的微观交通因子状态网络的有效性和可用性。 相似文献
2.
在高纬度地区的冬季,由于海冰的原因船舶航行变得较为困难,往往无法自主航行,需要破冰船进行护航和引导.在破冰船护航的狭窄冰道中,破冰船及跟随船之间存在一定的碰撞风险.因而,探究破冰船与跟随船之间安全距离与相对速度之间的相互制约关系,对破冰船护航下的船舶安全域进行划分是研究的重点.有别于传统开放水域安全模型,该研究对冰区船舶航行的最小静态安全距离进行了定义,并结合实际案例进行了安全域的分析.并将高斯混合分布的EM聚类算法应用于适合冰区护航中不同航行状态下的船舶安全域的划分.研究结果表明通过对船舶速度和安全距离数据的研究能够较好的区分出船舶的安全域,对破冰船护航下的安全航行操作提供了参考. 相似文献
1