共查询到20条相似文献,搜索用时 15 毫秒
1.
短时交通流预测可为智能交通控制和管理提供决策依据,为了提高短时交通流的预测精度,统筹考虑短时交通流的混沌时间序列和非线性特征,提出一种基于相空间重构和PSO-RBF的短时交通流预测方法(PSR-PSO-RBF方法).采用延迟嵌入定理,构造一个基于相空间重构的短时交通流时间序列;在剖析RBF神经网络不足之处的基础上,采用... 相似文献
2.
作为一个特殊的物流中心,集装箱深水港的交通具有鲜明的特点.从集装箱深水港的特点出发,提出集装箱深水港交通需求分析预测的流程与具体方法.结合大连市大窑湾港区的实际调查数据,对所提出的方法进行了实例说明. 相似文献
3.
集装箱深水港交通需求预测方法研究 总被引:1,自引:0,他引:1
作为一个特殊的物流中心,集装箱深水港的交通具有鲜明的特点。从集装箱深水港的特点出发,提出集装箱深水港交通需求分析预测的流程与具体方法。结合大连市大窑湾港区的实际调查数据,对所提出的方法进行了实例说明。 相似文献
4.
闸口是港区集疏运交通的咽喉,闸口交通运行状况的好坏直接影响着港区出入口交通的运行效率,以闸口延误与交通冲突次数为交通运行效率和安全评价指标,确定仿真参数,设计仿真模型并进行仿真实验现行的客货混行闸口和客货专用闸口设计及动态管理因素下的延误及冲突数据。结果表明:与普通的客货混行闸口相比,取交通流量阈值较小时,运用客货专用闸口设计并实施动态管理的仿真模型延误和交通冲突次数都有着明显的优化,是一种有效且可行的方法。最后基于实验结论提出港区闸口的布置形式进行优化设计和动态管理的措施。 相似文献
5.
为准确掌握区域市场卷烟消费的真实需求,提高需求预测的准确率和科学性,为卷烟工商业企业货源采购与货源投放等业务提供数据支撑,文章结合烟草行业特点和统计工作方法,以某市级烟草公司零售终端市场为研究对象,提出了一种卷烟消费需求多元预测方法。该方法通过完善数据模型,强化预测数据资源管控,尝试将“业务公式预测法”和“时间序列模型”相结合,使用“直线趋势预测方法”和“季节性指数法”等分析方法,构建了一套市场真实消费需求分析预测方法和流程规范。应用该方法预期能实现区域市场卷烟需求预测工作随季节性和周期性变化的动态分析调整,具有很强的实用性和推广性,对区域市场卷烟消费需求预测工作具有一定的参考价值。 相似文献
6.
外部环境因素对城市交通预测有较大影响,尤其在交通事件发生时,由于交通流的随机性和非线性特征,交通异常情况下的预测精度往往较低。为此,基于深度学习理论,提出一种以序列到序列模型(Sequence-to-sequence,Seq2Seq)为主体,融合外部因素特征的城市道路行程时间预测方法。利用时间序列分解算法(Seasonal and Trend Decomposition Using Loess,STL)挖掘交通历史数据的时序周期规律,结合交通事件数据深入分析交通异常产生的原因,并建立堆叠降噪自编码器模型(Stacked Denoising Autoencoder,SDAE)提取时间属性和交通事件数据的潜在特征。以北京市北四环中路和G6京藏高速路段为例,对预测模型的准确性和可行性进行验证,通过重复性交通事件和非重复性交通事件下的案例试验,对SDAE组件的有效性进行分析。研究结果表明:模型的单步和多步预测性能均优于基线模型,预测精度最高达到了87.71%;与其他输入了交通事件数据的模型相比,以SDAE作为外部组件的模型具有较好的预测性能和鲁棒性,能够适应复杂多变的交通流,在智能交通系统的短期预测上有显著的优越性,可以增强管理系统的调控能力,降低城市交通的拥堵成本。 相似文献
7.
回响状态网络是一种模仿大脑神经元递归连接的新型回归神经网络,可有效处理非线性系统辨识以及混沌时间序列预测问题。针对莲花大桥的挠度数据,通过回响状态网络预测方法对其进行建模分析并进行趋势预测。实测结果表明:基于回响状态网络预测的精度较高,预测误差仅为0.796 1 mm,可为桥梁的安全运营预测提供可靠依据。 相似文献
8.
9.
利用多个参数描述交通状态时,交通流数据表现为多维空间数据。提出了将属于每个状态的多维空间数据转换为一维时间序列的方法,对于此状态时间序列采用BP神经网络进行了下1个时段的交通状态预测。实验结果表明,多参数状态时间序列比单个参数时间序列能更准确地描述交通流状态变化过程,且算法简单,具有较强的预测实时性。 相似文献
10.
11.
12.
针对自动化集装箱码头卸货过程中岸桥、智能运输机器人和场桥设备交互作业, 实际调度环境复杂多变等问题, 以最小化最大完工时间为目标, 构建基于混合流水车间的三阶段集装箱码头集成调度模型, 为解决自动化码头调度环境动态性强的特点, 使用1种深度强化学习算法(DDQN)进行求解。依据码头实际调度情况, 使用神经网络实时拟合动作-值函数, 把各阶段设备状态数据输入模型, 采用经验回放机制训练模型, 把单一启发式规则加复合启发式规则作为设备候选行为, 通过强化学习动作选择与动作评估机制, 得到最优的集装箱-设备组合策略, 并与精确算法和常用的几种元启发式策略进行对比分析。结果表明: 较大规模算例下, 与目前较为先进的粒子群算法相比, 所提方法的总作业时间平均降低了7.84%, 与理论下界值的差距分别为6.0%, 5.6%, 4.6%, 三阶段设备负载较为均衡, 设备平均利用率为89%, 满足实际应用需求; 小规模算例下, 与Gurobi求解器的总完工时间平均误差为1.99%, 且随着算例规模增加, 所提算法在求解时间上显现出一定的优势, 求解时间最大提升59%, 验证了所提方法对于提升自动化集装箱码头运行效率的可行性和高效性。 相似文献
13.
对锂离子电池动力学系统进行了非线性特性分析,并判别了其混沌特性。采用相空间重构技术恢复锂离子电池动力学系统原有的混沌特性,得到多维状态空间的时间序列,利用LS-SVM模型对重构后的时间序列进行预测,获得荷电状态(State of Charge,SOC)的预测值。仿真结果表明:与BP神经网络预测模型相比,该预测方法具有较高的预测精度和较好的适应性,对实际应用具有一定的指导意义。 相似文献
14.
15.
16.
17.
18.
《公路交通科技》2017,(5)
为了提高短时交通流的预测精度,向交通管理部门和出行者提供更加准确可靠的交通信息,基于非参数回归与支持向量回归方法的特点,提出了一种混合预测模型(KNN-SVR)。该模型利用K近邻方法的搜索机制,重建与当前交通状态近似的历史交通流时间序列,然后利用支持向量回归原理实现短时交通流预测。针对实际的交通流数据,考虑预测路段上下游交通流的影响,对提出的KNN-SVR模型的预测精度进行了分析。研究结果表明:同时考虑预测路段和其邻近路段交通流影响的KNN-SVR模型具有更好的预测精度,其预测误差最小,平均为8.29%,而仅仅考虑预测路段交通流影响的KNN-SVR模型,其预测误差略高,平均为9.16%;KNN-SVR模型的预测精度优于传统单一的预测方法,如K-近邻非参数回归、支持向量回归以及神经网络方法。 相似文献
19.
行程时间预测是智能运输系统研究的一个重要问题,为此,建立了许多算法,有历史趋势方法,非参数回归模型、时间序列方法、神经网络、卡尔曼滤波、交通模型和动态交通分配模型等。然而,在变化的交通状况和任意时段的条件下,这些方法和模型都不能取得令人满意的预测结果。文中首先吉这些已有的预测方法和模拟,然后提出一种综合模型。 相似文献