排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
针对传统交通系统中短期客流预测精度低的问题,考虑城市交通站点客流数据在横纵向时间序列的规律性,基于卡尔曼滤波算法和K近邻(K-Nearest Neighbor, ANN)算法,分别根据当日数据和历史数据对客流量进行预测,然后利用权重系数方程对两个预测值加以融合,从而构建基于融合模型动态权值的短期客流预测方法。以某城市的某公交站点客流数据为研究对象,对所建融合模型短期客流预测的准确性和适用性加以验证。结果表明,新建模型、单一的卡尔曼滤波模型和KNN模型的平均相对误差分别为3.6%, 9.0%和7.7%,可见新建模型能更好地拟合客流变化趋势且评价效率更高。 相似文献
3.
针对高流量条件下高速公路主线瓶颈路段交通流运行态势恶劣导致通行效率降低的问题,从高速公路瓶颈路段交通流时空特性出发,对元胞传输模型进行扩展,使其能够对瓶颈路段和可变限速条件下交通流运行情况进行描述;在此基础上,构建可变限速控制模型,并采用阶梯限速控制方法对主线交通流进行控制,防止限速路段车辆排队上溯影响上游匝道车辆的正常通行.算例仿真结果表明:本文提出的瓶颈区域可变限速阶梯控制方法能够有效缩短车辆行程时间,在可变限速条件下,与无控制和仅单路段主线控制相比,车均延误分别减少了13.78%和1.60%. 相似文献
1