基于BP神经网络的交通信息量预测方法

交通信息量预测受到其影响因素的非线性影响,传统的基于统计方法的预测模型、动态分配模型和灰色预测模型等虽然可用于交通信息量的预测,但是克服非线性影响能力较差,预测结果已经达不到物联网的精度要求。为了更加精确地预测交通信息量,建立了基于BP神经网络的交通信息量预测模型,并通过因子分析和因子分析结果归一化处理减少了BP神经网络输人数据规模,缩短了神经网络预测时间。最后,通过对成都市某路段的数据进行处理和仿真,验证了模型的适应性。仿真所得的停止训练时间为3分2秒,预测误差为0.015,由此可知该模型对交通信息量的预测效果良好,可以对今后交通信息量的预测提供参考。     

基于层次结构模型的RBF神经网络货运量预测方法

为了有效地进行交通货运量预测,通过对货运量影响因素的分析,建立了关于货运量影响因素的层次结构模型,并根据该模型构建基于RBF神经网络的货运量预测方法。用我国1985~2004年的货运量对该神经网络进行训练和预测,同时与BP神经网络预测方法进行比较。结果表明,该方法具有更快的运算速度和更高的精度,具有很好的预测能力和应用价值。     

基于神经网络的城市停车需求预测模型

在对城市停车需求分析基础上,提出利用总停车需求、公共停车需求、私人停车需求作为城市停车需求的判别指标。基于BP神经网络对多输入与多输出的数据具有较良好的拟合能力的特点,建立基于BP神经网络的城市停车需求预测模型。以佛山市某停车场为例,分析BP神经网络在停车需求中的适应性,仿真结果表明:BP神经网络预测模型对每组数据的预测相对误差最大为18.80%,最小相对误差为6.21%,符合预测精度要求,具有一定的实际操作性。     

城市停车需求预测方法研究

本文以交通量-停车需求模型为基础,考虑了不同区位的小区出行吸引的交通方式构成对停车需求的影响,提出了先根据各小区出行吸引的交通方式构成对小区进行聚类分组,再分组预测未来年出行吸引的交通方式构成,继而预测各小区停车需求量的方法.最后,结合实例进行了分析,证明该方法可以保证预测的精度.     

城市中心区停车泊位供应分析

本文在分析了城市中心区停车泊位供应的影响因素的基础上,建立了停车设施供应与停车需求关系模型以及停车设施供应与路网容量平衡关系模型,并对合理确定城市中心区停车泊位供应规模进行了探讨,希望能为城市中心区静态交通规划提供借鉴.     

RBF神经网络预测水泥水化热研究

利用RBF神经网络对水泥水化热进行预测,根据水泥水化热的影响因素,建立了12个输入节点、1个输出节点的RBF神经网络模型.通过27组试验数据,验证了模型的可靠性,并与BP神经网络进行了比较.结果表明,RBF神经网络预测效果明显优于BP神经网络,前者不仅预测速度快,而且预测精度高,相对误差小于4%,在水泥水化热预测中具有...     

基于BP神经网络分析事故对路段通行能力的影响

以发生交通事故的人、机、环境等多方面采集的调查数据为基础,解析突发性交通状态局部演变过程,并总结事发点通行能力的7类主要影响因素和3类评价指标。采用SPSS主成分分析与BP神经网络相结合的方法,对调查数据进行降维,并在保证数据丢失最小原则下,将七类影响因素提取为五类,简化神经网络拓扑结构,提高建模质量,通过BP神经网络模型调整离散输入量,以预测的评估值与实际评估值的误差最小为学习训练目标,求解最佳的连接强度权值与偏置值,得出事故因素与通行能力的定量关系。     

交通出行预测的神经网络模型

针对交通出行集计预测模型的缺陷,结合神经网络在非线性关系映射方面的优势,本文提出了交通出行预测的BP神经网络模型。作者在对BP神经网络的结构和算法进行分析的基础上,研究了交通出行预测BP神经网络模型的影响因素、模型结构和模型数据,并采用实际调查数据对模型进行了检验和应用。研究结果表明模型预测精度较高,既有很强的理论优势和解释性,又有良好的操作性．最后,文章讨论了下一步的研究方向．     

基于FWD的沥青路面弯沉预测模型对比分析

为了有效利用FWD检测仪器,提高弯沉检测效率和精度,分别利用回归分析技术和BP神经网络智能方法,建立了基于FWD动态弯沉预测静态弯沉的预测模型,分析了模型影响因素,并对比了2种模型的预测效果.研究表明:弯沉检测层位、FWD系统误差、弯沉测试范围均对弯沉预测模型有较大影响;与回归模型相比,BP神经网络模型的均方根误差降低...     

公交客流预测的神经网络模型

通过分析神经网络的作用机理和公交年客流量的影响冈素,以城市人口、居民收入、生产总值等9个因素作为输入神经元,输出神经元为每年的公交客流量,建立了公交客流预测的径向基神经网络模型(RBF)和BP神经网络模型,以合肥市公交量的调查数据为例,对网络进行学习与训练仿真实验,结果表明所建模型具有较高的预测精度,效果较好.