排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
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。 相似文献
2.
3.
针对传统交通系统中短期客流预测精度低的问题,考虑城市交通站点客流数据在横纵向时间序列的规律性,基于卡尔曼滤波算法和K近邻(K-Nearest Neighbor, ANN)算法,分别根据当日数据和历史数据对客流量进行预测,然后利用权重系数方程对两个预测值加以融合,从而构建基于融合模型动态权值的短期客流预测方法。以某城市的某公交站点客流数据为研究对象,对所建融合模型短期客流预测的准确性和适用性加以验证。结果表明,新建模型、单一的卡尔曼滤波模型和KNN模型的平均相对误差分别为3.6%, 9.0%和7.7%,可见新建模型能更好地拟合客流变化趋势且评价效率更高。 相似文献
4.
针对高流量条件下高速公路主线瓶颈路段交通流运行态势恶劣导致通行效率降低的问题,从高速公路瓶颈路段交通流时空特性出发,对元胞传输模型进行扩展,使其能够对瓶颈路段和可变限速条件下交通流运行情况进行描述;在此基础上,构建可变限速控制模型,并采用阶梯限速控制方法对主线交通流进行控制,防止限速路段车辆排队上溯影响上游匝道车辆的正常通行.算例仿真结果表明:本文提出的瓶颈区域可变限速阶梯控制方法能够有效缩短车辆行程时间,在可变限速条件下,与无控制和仅单路段主线控制相比,车均延误分别减少了13.78%和1.60%. 相似文献
1