智能算法在短时交通流量预测中的应用

为了深入研究不同智能算法在不同时间尺度下短时交通流量预测中的预测效果,采用历史平均法作为参照,选取小波神经网络、支持向量机回归、非参数回归三种典型的智能算法,对快速路单截面的交通流量进行预测,分别探讨其在1min、5min、15min三种典型预测步长条件下的预测效果。分析了不同时间尺度的波动系数以及道路线形对预测结果的影响,并提出优化思路。     

基于车牌照数据的城市快速路行程时间短时预测方法研究

为了深入研究基于路段与基于路径两种不同的建模方法在城市快速路行程时间短时预测中的预测效果,以车牌识别系统采集的行程时间数据为研究对象,分别采用历史平均法、神经网络模型、支持向量机回归模型、非参数回归模型4种典型的预测算法,对快速路的行程时间进行预测。研究结果表明,考虑交通特征的支持向量机模型会显著提高基于路段的行程时间预测效果,同时基于路径的非参数回归建模方法优于基于路段的组合建模方法,更适合城市快速路行程时间预测。