排序方式: 共有7条查询结果,搜索用时 203 毫秒
1
1.
基于奇异值分解的灰色模型参数估计 总被引:1,自引:0,他引:1
毛树华 《武汉理工大学学报(交通科学与工程版)》2008,32(3)
提出了一种新的基于奇异值分解的GM(1,1),GM(1,N)等灰色模型参数估计方法,该方法在进行奇异值分解时,借助2个辅助矩阵将奇异值分解矩阵分解为多个矩阵之积.研究了该估计方法下对原始序列进行数乘变换后参数的变化特征.研究表明该方法充分利用了奇异值分解的优点,回避了由于最小二乘法给灰色模型带来病态性的缺点,提高了模型的稳定性,同时还减少了计算量. 相似文献
2.
通过分析突发事故导致车道被占用时,道路通行能力的演变过程及交通流的 变化特征,将占道发生后车流与沙漏模型中颗粒物质运动类比,结合突发事件下交通流 中不同类型车辆的换道规律,提出了含概率崩塌各异性的改进沙漏模型.并结合元胞自动 机仿真理论,运用MATLAB进行仿真计算不同时刻的车辆排队长度,与实际数据对比, 该模型的平均相对误差为6.509 7%,验证了模型的可靠性.最后利用该模型预测不同车道 被占用和不同车流量的情况下车队长度达到特定长度所需的时间,进而探讨其分别对道 路通行能力的不同影响程度,为交通部门监管道路提供理论依据. 相似文献
3.
马尔科夫残差修正灰色模型及其在公路网规划中的应用 总被引:7,自引:0,他引:7
指出灰色模型的残差是一种马尔科夫链,并在此基础上提出马尔科夫残差修正灰色模型,并将其应用于公路网规划中的运输量的预测,比较了该方法与灰色预测模型的精度,实例表明该修正模型不仅可以弥补马尔柯夫预测的局限,又可弥补灰色模型的不足,具有较高的预测精度。 相似文献
4.
5.
6.
针对短时交通流所存在的不确定性即模糊性与随机性特点和准周期规律,提出基于灰色关联分析和少数据云推理的短时交通流预测模型.首先,针对短时交通流的准周期规律,运用灰色关联分析提取不同日期相同时段历史序列中最相似序列;其次,提出少数据逆向云算法,建立交通流序列一维云推理机制;最后综合利用历史云及当前云生成预测云,用于短时交通流实时预测.实例分析表明,预测精度良好,能够有效实现短时交通流的实时预测.该模型解决了少数据条件下正向云参数确定问题,降低了数据处理工作量,开拓了云模型在短时交通流中的应用. 相似文献
7.
对实际驾驶实验中不同驾驶员的车速数据进行处理,得到车速变化持续期间序列,应用自回归条件持续期模型(ACD),讨论了车速变化持续期的相关性质,并对模型的可靠性做了评估.使用ACD模型为车速变化持续期时间序列建模,其优点是能够在不损失原始非等间隔时间序列特性的条件下,直接分析得到驾驶状态的时域微观性质.采用EACD(1,1)和 WACD(1,1)模型对不同驾驶员的车速变化时间序列进行建模,结果表明:其具有较好的拟合程度,当实际期间小于条件预期期间,驾驶员的驾驶状态有变好的可能;当实际期间大于条件预期期间,驾驶员的驾驶状态有变差的可能. 相似文献
1