城市交通流量短时预测的支持向量机方法

提出基于支持向量机的短时交通流量预测模型,对城市交通本身固有的非线性、复杂性和不确定性进行综合考虑。结合实例数据,对基于支持向量机的预测模型和基于BP神经网络的预测模型进行比较。结果表明:基于支持向量机的预测模型模型在精度、收敛时间、泛化能力、最优性等方面均优于基于BP神经网络的预测模型。     

船舶交通监管设施综合配置的因素研究

文中利用决策学知识,结合综合配置的特点,对决定船舶交通监管设施综合配置的因素进行了研究．、研究发现,通航环境、船舶交通监管业务量、水域内的交通流量是影响综合配置的重要决定因素。     

女性驾车行为调查

随着汽车社会的到来,女性驾驶人已经成为现代交通出行中不可忽视的群体。而女性驾驶人因其自身的生理、心理特性,或多或少地会同男性驾驶人在驾驶行为方面存在着较大差异。为全面分析女性驾车行为的特征,帮助女性驾驶人减少道路出行中安全事故的发生,本刊联合搜狐汽车制作《女性驾车行为调查》专题。     

宁波港搜救系统的未来发展方向

宁波港是我国著名的深水良港，得天独厚的自然条件和中国经济的飞速发展，使其得到了迅猛的发展，但随着进出港口船舶交通流量的不断增加，海上交通事故频发，对港口的发展、海上航行船舶、船员构成了巨大的危险，因此研究建立一个与宁波港经济和港口发展相适应的有效的海上搜救系统，显得十分必要。本文通过对宁波港搜救现状和海上搜救力量的供给和配置的分析，进而探讨宁波港搜救系统的未来发展方向，从而提高宁波港的搜救能力和效果，保障海上船舶航行和港口安全。     

贵阳市艺校立交桥设计

本文介绍新建贵阳市艺校立交桥的交通概况 ,流量分析 ,设计特点与内容。     

高速公路市政化改造主线拓宽方案研究

随着高速公路沿线片区的快速开发,市政道路通行能力日益饱和,早晚高峰交通拥堵频发,文中以市政化互通为目的,进行城区高速公路改扩建需求较大。以南光高速市政化改造工程为实例,根据交通流量预测分析结果,进行道路通行能力分析,合理确定高速公路横断面拓宽规模,同时通过优化局部路段平面线位,避让敏感控制点,可大量减少房屋拆迁,降低社会稳定风险,提高市政化改造工程的可实施性。因依托工程控制因素多,改造工况复杂,局部路段采用的主线单侧拓宽方案可供类似项目借鉴。     

福建沿海水上交通安全风险预警体系的建立

<正>近年来,随着福建沿海航运经济的快速发展及两岸"大三通"时代的到来,福建沿海水上交通流量不断增加,水上交通安全风险日益增大。但目前福建沿海水上交通安全管理水平同航运业的飞速发展相比仍相对滞后,主要表现在水上交通事故的预警体系难以有效建立,往往忙于应付水上交通事故发生后的处理工作,被动应对。因此加强水上交通风险预警体系建设,具有十分重要的意义。     

基于残差增强门控循环神经网络的交通流量预测技术研究

随着近年来智慧城市轨道交通的快速发展和普遍应用,交通流量预测成为智慧城市轨道交通的关键性问题,对及时掌握交通状况、进行合理的资源配置和人力部署起着重要作用。文章以实现大规模交通网络的交通流量准确预测为目标,研究并设计一种基于残差增强门控循环单元的深度学习网络模型。在基本门控循环单元的基础上,引入残差连接思想,通过在门控循环单元的迭代回路之间增加线性连接,捕获数据中的长期时间依赖关系,同时克服循环神经网络在进行长期时间序列预测中的梯度消失或梯度爆炸问题。使用4个在真实交通网络中采集的大规模交通数据集对所提算法进行测试,分别从定量和定性的角度比较并验证所提算法的有效性。实验结果表明该算法能够使用前1h的历史数据、对大规模交通网络中各交通枢纽节点未来1h的交通状况进行较准确的交通流量预测,证明使用残差增强门控循环网络进行交通流量智能预测的可行性和准确性,为城市轨道交通智能运营管理的实现提供有力支撑。     

基于SSA RX-N A RX模型的短时交通流预测

为了提高短时交通流的预测精度,向出行者提供更加准确可靠的道路交通信息,在充分考虑交通系统非线性特征的基础上,提出了基于SSARX-NARX的短时交通流预测模型.该模型以NARX作为短时交通流预测基础模型,采用SSARX方法建立了短时交通流预测状态空间模型并估计了模型参数,然后将估计出的状态空间模型的系统阶次和马尔科夫参数的值分别作为N A RX基础预测模型线性部分的初始参数值,优化后构造了SSARX-NARX预测模型.利用PeMS数据库的交通流数据,验证了SSARX-NARX模型的预测性能,比较了SSARX-NARX模型与SSARX模型的预测精度.结果表明,SSARX-NARX模型可以实现1步和多步短时交通流预测,并且针对5步和10步短时交通流预测,SSARX-NARX模型的MAPE值分别比SSARX模型小0.76% 和2.4%,而针对1步交通流预测,SSARX-NARX模型的MAPE值比SSARX模型大0.13%,但相差不大.      

基于双线性递归神经网络的交通流量预测方法

为了提升城市道路智能交通控制和管理的合理性和有效性,从交通流时空特性角度出发,提出基于优化双线性递归神经网络的城市道路交通流量预测方法。该方法有效结合双线性多项式快速准确求解和递归神经网络的动态校准的特点,采用粒子群算法实现冗余神经元和权值的动态剪枝过程,提升了算法的收敛速度和预测精度。采用视频数据对算法进行训练和实验,并进行对比分析。结果表明：该方法能够实现对道路交通流量的准确预测,交通流量预测精度达到90％以上,满足实际交通管理和控制的数据精度要求,同时算法的收敛速度也有明显的改善。