检索结果-南通市图书馆

数据不完备下基于特征识别的公交客流短时预测

在线全文

学校读者我要写书评

暂无评论

华南理工大学学报（自然科学版） 2020年第4期48卷 114-122页

作者：方晓平林美陈维亚潘鑫中南大学交通运输工程学院∥轨道交通大数据湖南省重点实验室湖南长沙410075

识别公交客流特征是提高短时预测质量的关键。但由于设备故障、数据收集受限等原因,客流数据属性往往是不完备的,这给特征识别和客流预测带来了挑战。文中以缺少乘客属性数据的长沙市104路公交卡数据为样本,利用卡号与出行时间的关联性... 详细信息

识别公交客流特征是提高短时预测质量的关键。但由于设备故障、数据收集受限等原因,客流数据属性往往是不完备的,这给特征识别和客流预测带来了挑战。文中以缺少乘客属性数据的长沙市104路公交卡数据为样本,利用卡号与出行时间的关联性识别乘客出行频次,以此作为区分出行特征的变量,将客流总集划分为不同的特征子集,依据子集规模、方差确定变量最佳取值,推断客流特征。与直接预测客流总集相比,文中为每类子集建立季节性差分自回归滑动平均(SARIMA)模型分别进行预测,整合后得出的样本外平均绝对误差改善了36.11%,依据乘客出行特征建立的预测模型拟合度为0.95,可有效识别公交客流特征。

关键词：公交客流短时预测不完备数据出行特征 SARIMA模型

基于K-means聚类组合模型的公交线路客流短时预测

在线全文

学校读者我要写书评

暂无评论

华南理工大学学报（自然科学版） 2019年第4期47卷 83-89,113页

作者：陈维亚潘鑫方晓平中南大学交通运输工程学院

预测公交线路短时客流是实现公交动态调度的关键技术.文中通过分析客流特性,构建了基于K-means聚类算法的组合预测模型.首先利用K-means算法将短时客流数据按照时变特征的相似度划分为不同聚类,然后为每类客流数据分别建立最小二乘支持... 详细信息

预测公交线路短时客流是实现公交动态调度的关键技术.文中通过分析客流特性,构建了基于K-means聚类算法的组合预测模型.首先利用K-means算法将短时客流数据按照时变特征的相似度划分为不同聚类,然后为每类客流数据分别建立最小二乘支持向量机、BP神经网络、自回归滑动平均模型,并考虑天气因素的影响,用遗传算法优化模型参数,对比预测结果,从中选择每个聚类的最佳预测模型构成组合模型.最后以长沙市104路公交客流数据作为实例进行预测分析,结果显示:客流数据时变特征对模型具有选择性,K-means聚类组合模型能够更好地根据不同时段客流数据的时变特征进行分类,因而有利于提高预测绩效;考虑了天气因素的K-means聚类组合模型能进一步提高公交线路的短时预测绩效.

关键词：公交线路客流短时预测 K-means聚类算法组合预测模型

在线全文

学校读者我要写书评

暂无评论

基于运营系统的出租车出行需求短时预测模型

东北大学学报（自然科学版） 2016年第9期37卷 1235-1240页

作者：林永杰邹难美国西北大学土木与环境工程系美国埃文斯敦60208 山东大学控制科学与工程学院山东济南250100

出租车系统作为城市交通运输系统的重要组成部分,其宏观规划和调度管理的合理性决定了出租车服务质量.本文主要研究出租车乘客出行需求估计及预测,为出租车规划和实时调度提供数据支持.首先,分析了出租车定位系统和计费系统,改进了传统... 详细信息

出租车系统作为城市交通运输系统的重要组成部分,其宏观规划和调度管理的合理性决定了出租车服务质量.本文主要研究出租车乘客出行需求估计及预测,为出租车规划和实时调度提供数据支持.首先,分析了出租车定位系统和计费系统,改进了传统出租车需求网格划分方法,考虑了地形、建筑群和道路网络特征,保持了网格自身出行特性的完整性.其次,根据实时收集的出租车数据,建立了易于计算的出行需求估计方法.最后,以实际数据为基础,对影响短时出行量的主要变量进行了相关性分析,提出了基于人工神经网络的短时需求预测模型,根据相关性分析确定了模型结构.以实际获取的出租车数据为例,验证了提出的需求估计和预测模型.结果证明:相比于传统自回归滑动平均模型,提出的人工神经网络模型其平均绝对误差百分比提高了32%.此外,人工神经网络模型的绝对误差百分比超过50%的概率低于10%,而自回归滑动平均模型高达23%.

关键词：出租车运营乘客需求估计网格短时预测人工神经网络

基于小波变换和粒子群小波神经网络组合模型的有效停车泊位短时预测

在线全文

学校读者我要写书评

暂无评论

吉林大学学报（工学版） 2016年第2期46卷 399-405页

作者：季彦婕陈晓实王炜胡波东南大学交通学院南京210096 现代城市交通技术江苏高校协同创新中心南京210096

基于停车场有效停车泊位短时变化特性,提出了一种小波变换和粒子群小波神经网络组合预测方法。首先,通过选择合适的小波函数对有效停车泊位时间序列进行多尺度的小波分解与重构,然后对重构后的时间序列分别采用小波神经网络进行预测,并... 详细信息

基于停车场有效停车泊位短时变化特性,提出了一种小波变换和粒子群小波神经网络组合预测方法。首先,通过选择合适的小波函数对有效停车泊位时间序列进行多尺度的小波分解与重构,然后对重构后的时间序列分别采用小波神经网络进行预测,并利用粒子群算法对神经网络初始参数的选取进行优化,最后将各自外推的预测结果进行合成,得到最终预测结果。实例分析表明：与单独使用小波神经网络模型相比,小波变换-粒子群小波神经网络模型的预测精度提高了5-7倍,且预测稳定性较好。

关键词：交通运输系统工程有效停车泊位短时预测小波变换粒子群算法小波神经网络

基于核函数切换和支持向量回归的交通量短时预测模型

在线全文

学校读者我要写书评

暂无评论

东南大学学报（自然科学版） 2017年第5期47卷 1032-1036页

作者：李林超张健杨帆冉斌东南大学交通学院南京210096 东南大学物联网交通应用研究中心南京210096

基于高速公路交通量短时变化的非线性、不确定性和复杂性,利用支持向量回归模型,提出一种核函数切换的预测方法.首先,通过历史数据构建不同核函数的支持向量回归模型并对历史数据进行拟合,根据拟合的误差确定不同时刻对应的最优核函数类... 详细信息

基于高速公路交通量短时变化的非线性、不确定性和复杂性,利用支持向量回归模型,提出一种核函数切换的预测方法.首先,通过历史数据构建不同核函数的支持向量回归模型并对历史数据进行拟合,根据拟合的误差确定不同时刻对应的最优核函数类别;然后根据历史数据及确定的不同时刻的核函数类别训练支持向量分类机;最后利用支持向量分类机确定预测时刻最优的核函数类别,选取相应的支持向量回归模型进行预测.实例分析表明,与传统的支持向量回归模型相比,含核函数切换的预测方法预测精度较高,且具有较好的鲁棒性.

关键词：交通运输系统工程交通量短时预测支持向量回归核函数

在线全文

学校读者我要写书评

暂无评论

基于K近邻模式匹配的地铁客流量短时预测

华南理工大学学报（自然科学版） 2018年第1期46卷 50-57页

作者：林培群陈丽甜雷永巍华南理工大学土木与交通学院广东广州510640

为准确预测地铁客流量,以便更好地进行车辆调度和站点管理,提出一种基于K近邻模式匹配的地铁客流量短时预测方法.通过分析地铁客流数据,发现地铁的日客流发展模式具有一定规律;针对该发现,提出一种基于误差变化率计算的自适应K值获取算... 详细信息

为准确预测地铁客流量,以便更好地进行车辆调度和站点管理,提出一种基于K近邻模式匹配的地铁客流量短时预测方法.通过分析地铁客流数据,发现地铁的日客流发展模式具有一定规律;针对该发现,提出一种基于误差变化率计算的自适应K值获取算法,自动获取合适的K值以提高预测算法的普适性.最后以广州火车南站地铁站为例进行实例分析,结果表明:所提出的方法同时适用于节假日与非节假日两种不同交通模式的地铁客流预测,平均预测精度在90%左右,具有较好的应用推广价值.

关键词：地铁客流量短时预测 K近邻算法日客流发展模式模式匹配

基于数值预报模式的Ka频段卫星系统降雨衰减短时预测

在线全文

学校读者我要写书评

暂无评论

中国空间科学技术 2017年第1期37卷 82-88页

作者：王洪锋张晖李强卢昌盛北京空间信息中继传输技术研究中心北京100094 中国电子科技集团22所青岛266107

为精确地实现Ka频段星地链路降雨衰减的短时趋势和强度预测,提出了一种基于数值天气预报的降雨衰减短时预测方法,设计了降雨衰减预测流程,并应用上述方法对某地区发生的降雨过程进行研究,比较分析了降雨衰减的实测值和基于数值预报的降... 详细信息

为精确地实现Ka频段星地链路降雨衰减的短时趋势和强度预测,提出了一种基于数值天气预报的降雨衰减短时预测方法,设计了降雨衰减预测流程,并应用上述方法对某地区发生的降雨过程进行研究,比较分析了降雨衰减的实测值和基于数值预报的降雨衰减预测值。试验结果表明,基于数值预报的降雨衰减和实测值变化趋势符合较好,误差较小,在20GHz频段平均误差约为1.31dB,在30GHz频段平均误差约为2.39dB,在20GHz频段平均误差约为1.31dB,在30GHz频段平均误差约为2.39dB。该方法可实现Ka频段卫星通信系统的短时降雨趋势预测。

关键词：数值天气预报 Ka频段降雨衰减短时预测卫星通信

基于时空信息融合学习的路段行程车速短时预测

在线全文

学校读者我要写书评

暂无评论

计算机工程 2021年第12期47卷 78-86页

作者：杨顶邓明君徐丽萍华东交通大学交通运输与物流学院南昌330013

路段行程车速的变化受时间和空间维度信息的综合影响,多数神经网络模型仅从时间维度上预测路段行程车速的变化规律,未能全面考虑路网结构和上下游交通状态对路段行程车速的影响。结合图卷积网络和门控循环单元构建深度学习模型,挖掘路... 详细信息

路段行程车速的变化受时间和空间维度信息的综合影响,多数神经网络模型仅从时间维度上预测路段行程车速的变化规律,未能全面考虑路网结构和上下游交通状态对路段行程车速的影响。结合图卷积网络和门控循环单元构建深度学习模型,挖掘路段行程车速的时空特性。通过在线地图平台获取路段实时行程车速,使用等维递补方法更新历史序列数据,提高预测实时性。在深圳市部分区域路网上的实验结果表明,该模型的多步预测精度均在90%以上,相比自回归积分滑动平均模型、支持向量机回归模型和门控循环单元模型最高提升了6.9%、1.3%和0.4%,具有更优的路段行程车速预测效果。

关键词：短时预测图卷积网络门控循环单元时空相关性在线地图等维递补

同方期刊数据库

基于EMD优化NAR动态神经网络的地铁客流量短时预测模型

在线全文

学校读者我要写书评

暂无评论

应用科学学报 2020年第6期38卷 936-943页

作者：马飞虎金依辰孙翠羽华东交通大学土木建筑学院江西南昌330013

为了能够更加准确地实现地铁客流预测,提出了一种基于经验模态分解算法(empirical mode decomposition,EMD)优化非线性自回归(nonlinear auto regressive,NAR)动态神经网络的地铁客流量短时预测模型.分析地铁客流量数据后发现日客流量... 详细信息

为了能够更加准确地实现地铁客流预测,提出了一种基于经验模态分解算法(empirical mode decomposition,EMD)优化非线性自回归(nonlinear auto regressive,NAR)动态神经网络的地铁客流量短时预测模型.分析地铁客流量数据后发现日客流量具有一定的变化规律,为此使用了基于时间序列的NAR动态神经网络,该网络具有优秀的非线性动态拟合能力和反馈记忆的功能.结合EMD经验模态分解算法优化NAR动态神经网络预测模型,以此来减少预测误差,提高预测精度.结果显示,EMD-NAR神经网络组合预测模型适用于地铁客流的短时预测,预测精度可达93%,具有较好的应用价值.

关键词：地铁客流量短时预测非线性自回归动态神经网络经验模态分解组合模型