共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
为了提升城市中心区多类型用地配建停车设施的泊位利用效率,基于车辆停放的空间和时长占用特性,明确基于时空消耗的多类型用地组合停车设施容量概念,建立停车时空资源消耗模型。结合停车共享理念,设计片区组合停车设施时空资源匹配的优化流程,建立面向"溢出停车需求、共享泊位供给、时空资源分配"的理论模型和计算流程。进而以组合用地各停车场泊位综合占有率最小为目标,运用用户均衡理论建立了停车供需时空匹配优化模型,并将所提方法应用于居住区、行政办公区、商场、酒店、医院这5种典型用地类型配建停车设施构成的算例进行研究。结果表明:各类停车设施服务居住区停车需求的共享泊位分配数量由停车场泊位需求的空间数量和停放时长共同决定,并非所有存在剩余泊位的停车场都适用于通过开放共享来提升片区停车设施的利用效率;行政办公区配建停车设施(匹配占有率39%)无论长时还是短时,均最适合匹配居住区溢出的夜间停车需求,其他依次为匹配效果接近的商场(匹配占有率16%)和酒店(匹配占有率15%),医院(匹配占有率0)与居住区溢出需求的匹配最差。提出的停车资源匹配方法能够精确计算不同停车需求时空特征所对应的泊位共享分配方案,可为精细化共享停车策略的制定提供量化支持。 相似文献
3.
空中交通流量短时预测是空中交通管理的基础,是有效缓解交通拥堵问题的前提。为提高空中交通流量短时预测的精度,减小空中交通管制员的工作压力,提出了基于小波优化GRU-ARMA的空中交通流量短时预测方法。在传统预测方法的基础上,通过小波变换对原始流量数据进行多尺度分解,提取不同频率交通流量的细节特征,对原始流量数据进行预处理。同时,根据小波变换,在低频处将频率细分作为趋势项,高频处将时间细分作为噪声项。其中,趋势项反映了空中交通流量随时间演化的整体趋势性,噪声项反映了随机因素对空中交通流量的综合影响。使用门控循环单元(GRU)神经网络模型预测趋势项,自回归滑动平均模型(ARMA)模型预测噪声项;将趋势项和噪声项的预测值叠加,得到最终的短时流量预测值。误差分析表明,该方法在每个预测点上的误差保持在2%左右,预测效果稳定;而直接采用原始流量数据进行预测的GRU、BiLSTM、CNN-LSTM神经网络模型及单一的ARMA模型,每个点的预测误差在5%~37.14%之间。与GRU、BiLSTM、CNN-LSTM神经网络模型相比,该模型的预测精度分别提高了3.02%,5.39%,5.05%。 相似文献
4.
5.
为及时掌握隧道洞口边坡的变形规律,保证隧道进洞过程的安全,采用小波变换剔除变形序列中的误差信息,将原始序列分解为趋势项和误差项序列,并采用PSO-LSSVM模型和ARMA模型分别对趋势项和误差项进行预测,将两者叠加即得到边坡的综合变形预测值,再利用马尔科夫链建立预测误差的修正模型,进一步提高预测精度。对预测模型进行实例分析,结果表明: sym9小波函数、启发式阈值标准、硬阈值选取标准及10层小波分解的去噪效果较优,且通过综合预测,得到边坡变形预测结果的相对误差均值为1.03%,方差值为0.042 6,预测精度和稳定性较高,验证了预测模型的有效性。 相似文献
6.
7.
8.
9.
10.
为解决现有信号控制方法对多态交通流交叉口适应性不足的问题,通过在交叉口设置多功能进口车道和车辆检测器、车道控制器等硬件设施,进行了短时交通流预测基础上的多态交通流条件下交叉口信号配时优化研究。根据交通量预测数据,建立信号控制延误估计模型,以交叉口总延误最小为优化目标选取多功能车道流向,根据每相位最大排队长度逐步优化绿灯时长并实施信号控制。短时交通预测以小波分析为基础,采用RBF神经网络及Markov链分别预测交通流的稳态与随机部分。使用VISSIM软件对设置多功能车道的交叉口多态流信号控制方法进行了交通仿真。分析结果表明:该方法可有效降低行车延误,提高交叉口服务水平。 相似文献
11.
小波变换和短时傅里叶变换为频域载荷谱编辑方法的主要分析工具,小波变换法分解函数及分解层数难确定和短时傅里叶变换法窗宽固定的缺陷,导致对随机载荷的分析结果存在偏差,影响载荷编辑质量。为解决此问题,基于S变换基本理论,探索S变换在载荷加速编辑领域的应用,对试验场采集的应变信号进行S变换分析提取最大幅值谱,并以此为依据提取轮心六分力信号中的损伤载荷获取加速谱。将S变换、损伤保留、小波变换和短时傅里叶变换加速谱从载荷压缩量、损伤保留比例、功率谱密度、统计参数、穿级计数和疲劳仿真等方面进行对比分析。研究结果表明:基于S变换最大幅值谱可准确识别原始信号中的小损伤载荷;保留相同损伤保留量前提下,S变换加速谱的压缩效率最高且统计参数误差最小;S变换编辑法可将原始载荷时间压缩46.67%,同时加速谱的疲劳分析误差仅为2.2%,可获得与原始载荷相同的分析结果;S变换编辑法在疲劳分析效率和分析精度方面优于损伤保留、小波变换和短时傅里叶变换编辑法;该方法适用于汽车零部件疲劳耐久性分析。 相似文献
12.
13.
为了进一步提高短时交通参数多步预测的效果,以自适应指数平滑法、BP神经网络法和小波分析理论作为基础模型,利用前一时刻预测误差确定基础模型在组合模型中所占权重,提出了一种交通参数一步预测组合模型;通过分析交通参数合成和分解机理,在分别提出多时间尺度交通参数合成方法和交通参数分解方法的基础上,设计了一种基于多时间尺度一步外推的短时交通参数多步预测方法,采用某大城市感应线圈1 min时间尺度的交通参数数据进行了验证和对比分析.验证结果表明,交通参数一步预测组合模型的预测效果明显优于任一基础模型,且该方法的多步预测效果明显优于循环一步外推短时交通参数多步预测方法. 相似文献
14.
15.
《公路工程》2018,(6)
为去除交通信息采集过程中的噪声干扰,提出了一种基于小波分析和卡尔曼滤波相融合的交通数据去噪算法。该算法通过小波系数计算小波方差并代替卡尔曼滤波的初始协方差完成迭代,将小波阈值去噪重构后的信号作为卡尔曼滤波器状态最优估计中的测量值输入,实现了交通数据的分解去噪和最优估计。实例分析结果表明:一方面小波-卡尔曼滤波融合去噪算法的去噪指标优于小波分析算法;另一方面采用去噪后的实时交通数据建立时间序列预测模型,由三项预测误差评价指标及拟合预测图对比可知,小波-卡尔曼滤波融合去噪算法较小波分析算法可更好地提高预测精度,从而综合验证该融合算法能有效去除交通数据中的噪声干扰,并提高其数据质量。 相似文献
16.
基于滑坡的变形监测数据,首先探讨了小波去噪过程中各参数对去噪效果的影响规律,选取最优的小波去噪数据作为趋势项序列和误差项序列的分解依据,再利用BP神经网络和RBF神经网络对两序列进行预测,并与传统预测进行对比分析,最后对组合预测的效果进行探讨研究。结果表明:在滑坡变形数据的去噪过程中,以采用sym 4小波函数、固定式阈值、硬阈值选取阈值和7层小波分解时的去噪效果最好,并由后期预测结果可知其分项预测的效果要优于传统单项预测的效果,且线性组合预测对误差精度的提高有限,而非线性组合预测对误差精度的提高较大。通过上述研究,为滑坡的变形组合预测研究提供了一种良好的方法。 相似文献
17.
18.
为了提高短期交通流的预测精度,提出了一种基于小波包分解(wavelet packet decomposition, WPD)、粒子群优化(particle swarm optimization, PSO)算法和回声状态网(echo state network, ESN)的短期交通流预测方法。该方法命名为WPD-PSO-ESN。首先,在数据预处理阶段,采用小波包分解将交通流数据分解为不同频段的子序列,并将各子序列送入回声状态网预测模型;然后,在建立预测模型阶段,利用粒子群优化算法在线优化回声状态网的参数,以提高回声状态网的泛化能力和预测精度;进一步,针对粒子群优化算法存在的早熟收敛和易陷入局部最优的缺陷,通过检测粒子飞行过程中的状态信息,设计了惯性权重自适应调整策略,以期提高粒子群优化算法的寻优能力;最后,在结果输出阶段,采用加权平均法融合各子序列的预测值以得到模型的最终预测结果。试验结果表明:通过小波包分解和单支重构可以更加容易地抓住原始信号中的动态信息,更适合用于回声状态网的时间序列建模;带有自适应惯性权重调整策略的粒子群优化算法具备更强的跳出局部最优的能力,优化后的回声状态网模型精度更高;对于短期交通流预测,与前馈型误差反传神经网络、反馈型Elman神经网络和传统回声状态网等预测方法相比,WPD-PSO-ESN预测方法具有更高的预测精度,能够满足智能交通系统对预测精度的需求,对实现实时交通控制和建设智能交通系统具有重要意义。 相似文献
19.
20.
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PSO算法,确保短时交通流预测的精确度和可靠性。实例分析结果表明,该方法可有效提高短时交通流的预测精度和可靠性,其预测误差较小。 相似文献