排序方式: 共有1条查询结果,搜索用时 15 毫秒
1
1.
���ڻ���ʱ�����з������Ķ�ʱ��ͨ��Ԥ���о� 总被引:3,自引:0,他引:3
交通流预测分析已成为智能交通的核心研究内容之一。依据混沌时间序列分析方法,建立了短时交通流的预测模型。在对实测的交通流数据进行相空间重构的基础上,综合考虑欧氏距离和均等系数,提出了最邻近点的两步优化选择方法,并采用了局部多项式拟合方法对所选取的最邻近点进行逼近以求得预测公式。本文将此方法运用于东莞东江大道流量预测,比较预测流量和实测流量,得出最大相对误差为0.445%,最小相对误差为0.038%,且单步预测时间仅为38.52秒。结果表明,该预测模型具有较高的精度,同时也能够满足实时性的要求。 相似文献
1