检索结果-南通市图书馆

基于时空关联和BP_Adaboost的短时交通参数预测

在线全文

学校读者我要写书评

暂无评论

公路交通科技 2016年第5期33卷 98-104页

作者：丁闪闪王维锋季锦章党倩江苏省交通规划设计院股份有限公司江苏南京210014 交通运输部智能交通技术和设备行业研发中心江苏南京210014

为提高预测精度和降低计算复杂度,提出了一种基于时空关联和BP_Adaboost的短时交通参数预测方法。首先,通过分析交通参数之间的时间关联性和空间关联性,得到对预测值产生影响的因素。然后,采用主成分分析法对影响因素进行预处理,选取了... 详细信息

为提高预测精度和降低计算复杂度,提出了一种基于时空关联和BP_Adaboost的短时交通参数预测方法。首先,通过分析交通参数之间的时间关联性和空间关联性,得到对预测值产生影响的因素。然后,采用主成分分析法对影响因素进行预处理,选取了主成分作为后续预测模型的输入。最后,采用Adaboost算法对BP神经网络进行优化,构建了BP_Adaboost预测模型,以改善传统BP神经网络的预测性能。利用南京市典型道路数据对该方法进行了性能评价。结果表明:该方法不仅可以在一定程度上提高预测精度,更重要的是能够大大提高预测结果的稳定性。由此可见,该方法可以作为短时交通参数预测的有效手段。

关键词：交通工程交通参数主成分分析 Adaboost算法 BP神经网络短时预测时空关联性

在线全文

学校读者我要写书评

暂无评论

处理缺失数据的短时交通流预测模型

计算机应用 2010年第4期30卷 1117-1120,1124页

作者：徐健锐李星毅施化吉江苏大学计算机科学与通信工程学院江苏镇江212013 镇江机电高等职业技术学校信息处江苏镇江212016

针对交通检测中数据的缺失问题,提出了一种新的交通流综合短时预测模型,这种模型可以对交通检测中的缺失数据进行重建,并在此基础上运用改进的卡尔曼平滑算法进行短时交通流预测。该模型克服了传统的预测方法无法对检测数据的缺失进行... 详细信息

针对交通检测中数据的缺失问题,提出了一种新的交通流综合短时预测模型,这种模型可以对交通检测中的缺失数据进行重建,并在此基础上运用改进的卡尔曼平滑算法进行短时交通流预测。该模型克服了传统的预测方法无法对检测数据的缺失进行处理的缺点,能在数据缺失时进行有效的交通流预测。通过深圳市的实际流量数据的验证,并比对传统方法,证实该方法具有较好的预测性能,模型预测精度可以保持在88%以上,具有较好的实用性。

关键词：数据缺失交通流小波降噪卡尔曼平滑滤波短时预测

在线全文

学校读者我要写书评

暂无评论

基于决策树的城市短时交通流预测

计算机工程 2005年第8期31卷 35-36页

作者：杨胜李莉胡福乔施鹏飞上海交通大学图像处理与模式识别研究所上海200030

运用决策树对城市道路上下游短时交通流量关系进行了分析,并建立了相应的规则库,得到了一个城市短时交通流的预测方法,为城市交通流控制与诱导提供了良好的基础。

关键词：决策树数据挖掘智能交通系统短时预测

基于SSA-SVR模型的城市轨道交通短时进站客流预测

在线全文

学校读者我要写书评

暂无评论

都市快轨交通 2022年第5期35卷 76-83页

作者：帅春燕谢亚威单君欧阳鑫昆明理工大学交通工程学院昆明650500 昆明理工大学信息工程与自动化学院昆明650500

针对现有城市轨道交通短时客流量预测单一模型可能存在预测不稳定的问题,提出一种基于奇异谱分析(singular spectrum analysis,SSA)和支持向量回归(SVR)相组合的预测模型。该组合模型利用奇异谱分析(SSA)将轨道交通原始时间序列客流数... 详细信息

针对现有城市轨道交通短时客流量预测单一模型可能存在预测不稳定的问题,提出一种基于奇异谱分析(singular spectrum analysis,SSA)和支持向量回归(SVR)相组合的预测模型。该组合模型利用奇异谱分析(SSA)将轨道交通原始时间序列客流数据进行分解和重构,对重构后的时间序列按奇异值从大到小进行排序,得到含有原始时间序列数据主要信息成分的重构序列,将重构后的时间序列作为支持向量回归模型(SVR)的输入条件,最后进行各站点的短时进站客流预测。采集2015年11月北京市全网的城市轨道交通进站客流数据,对提出的短时客流预测模型进行验证和对比分析。结果表明,组合模型预测精度相比ARIMA、SVR、CNN-LSTM和T-GCN模型具有更高的预测精度和更稳定的预测表现,具有一定的实际意义。

关键词：城市轨道交通客流短时预测 SSA模型 SVR模型

在线全文

学校读者我要写书评

暂无评论

基于神经网络的地铁短时客流预测服务

小型微型计算机系统 2019年第1期40卷 226-231页

作者：侯晨煜孙晖周艺芳曹斌范菁浙江工业大学计算机科学与技术学院杭州310023 杭州数梦工场科技有限公司杭州310024

短时客流预测在为人类构建智慧城市,提供风险预警,保证出行安全中扮演着重要的角色.本文在神经网络算法的基础上,结合卡尔曼滤波,提出了一种新型有效的地铁客流短时预测算法.对于要预测的时刻t,算法利用它之前24小时的客流量作为输入特... 详细信息

短时客流预测在为人类构建智慧城市,提供风险预警,保证出行安全中扮演着重要的角色.本文在神经网络算法的基础上,结合卡尔曼滤波,提出了一种新型有效的地铁客流短时预测算法.对于要预测的时刻t,算法利用它之前24小时的客流量作为输入特征.由于实验数据存在噪声,本文利用卡尔曼滤波对实验数据进行去躁平滑处理.最后算法利用BP神经网络和LSTM递归神经网络进行建模与预测.我们利用杭州地铁提供的真实购票数据进行大量实验,证明了BP神经网络(基于adam算法和relu激活函数)以及LSTM递归神经网络(基于adam算法和tanh激活函数的)准确度最高,预测的平均绝对误差最小(5%左右).另外,实验还证明了卡尔曼滤波能够有效减少预测的平均绝对误差.相比于不使用卡尔曼滤波的神经网络,使用卡尔曼滤波后的神经网络算法可以降低相对25%的MAE.

关键词：地铁客流短时预测 BP神经网络递归神经网络卡尔曼滤波

在线全文

学校读者我要写书评

暂无评论

基于栈式自编码的上海地铁短时流量预测

计算机工程与科学 2018年第7期40卷 1275-1280页

作者：徐逸之彭玲林晖李祥中国科学院遥感与数字地球研究所北京100010 中国科学院大学北京100049

城市公共交通网每时每刻都承载巨大的客流量,客流量的增多为公共交通网和交通智能调度带来了巨大的压力。地铁站点短时的客流预测是智能地铁调度系统中重要的决策基础与技术支持。利用历史刷卡数据,提出了一种基于深度学习的地铁短时客... 详细信息

城市公共交通网每时每刻都承载巨大的客流量,客流量的增多为公共交通网和交通智能调度带来了巨大的压力。地铁站点短时的客流预测是智能地铁调度系统中重要的决策基础与技术支持。利用历史刷卡数据,提出了一种基于深度学习的地铁短时客流量预测方法,基于栈式自编码器构建深度神经网络模型,采用自下而上逐层非监督预训练,在预训练结束之后,采用反向传播BP算法自上而下来微调整个网络的参数。利用上海一个月范围内的地铁刷卡记录数据进行实验测试,实验结果优于小波神经网络Wavelet-NN与自回归移动平均模型ARIMA。

关键词：深度学习栈式自编码地铁客流量短时预测

基于IFA优化RBF神经网络的短时交通流预测模型

在线全文

学校读者我要写书评

暂无评论

兰州理工大学学报 2022年第4期48卷 99-104页

作者：曹洁张敏张红陈作汉侯亮兰州理工大学计算机与通信学院甘肃兰州730050 甘肃省城市轨道交通智能运营工程研究中心甘肃兰州730050 甘肃省制造业信息化工程研究中心甘肃兰州730050

针对短时交通流不确定性极强引起的预测结果精度低的问题,提出一种改进萤火虫算法(IFA)优化RBF神经网络的短时交通流预测模型(IFA-RBF).该模型通过引入线性递减惯性权重和混沌机制,来改进FA后期存在的易陷入局部极值和种群多样性匮乏的... 详细信息

针对短时交通流不确定性极强引起的预测结果精度低的问题,提出一种改进萤火虫算法(IFA)优化RBF神经网络的短时交通流预测模型(IFA-RBF).该模型通过引入线性递减惯性权重和混沌机制,来改进FA后期存在的易陷入局部极值和种群多样性匮乏的不足,利用IFA优化RBF神经网络的连接权重和基函数宽度,以提升RBF神经网络的短时交通流预测精度.实验结果表明,与Elman、BP、RBF和FA-RBF模型相比,构建的短时交通流预测模型(IFA-RBF)具有更高的预测精度,预测值与实际值拟合度较高.

关键词：智能交通系统交通流短时预测 RBF神经网络改进的萤火虫算法混沌搜索

基于MLS-SVM和时空特性的短时交通流量预测方法

在线全文

学校读者我要写书评

暂无评论

合肥工业大学学报（自然科学版） 2020年第1期43卷 57-63页

作者：黄振盛汪玉美韩江洪魏振春合肥工业大学计算机与信息学院安徽合肥230601 陆军炮兵防空兵学院无人机应用系安徽合肥230031 安全关键工业测控技术教育部工程研究中心安徽合肥230601

城市道路交通流量的变化随机性强、影响因素众多,短时交通流量预测是城市智能交通系统的重要环节。文章结合城市道路交通流量的时空依赖属性,综合考虑时间、道路结构和周边环境多种影响因素,提出一种组合最小二乘支持向量机(multi-group... 详细信息

城市道路交通流量的变化随机性强、影响因素众多,短时交通流量预测是城市智能交通系统的重要环节。文章结合城市道路交通流量的时空依赖属性,综合考虑时间、道路结构和周边环境多种影响因素,提出一种组合最小二乘支持向量机(multi-group least squares support vector machine,MLS-SVM)的短时交通流量预测模型,将影响因素分组建立支持向量回归子模型来研究与交通流量之间的关系,最后组合各子模型来优化最终预测结果。仿真部分采用实测数据集,与支持向量机预测模型、小波神经网络时间序列预测模型和多因素模式识别模型对比分析,平均预测误差最小且超过45%时间段的预测误差最小,验证了MLS-SVM预测模型的有效性和稳定性。

关键词：组合最小二乘支持向量机(MLS-SVM) 时空特性多因素短时预测城市道路

基于SVM-KNN的降雨条件下短时公交客流预测

在线全文

学校读者我要写书评

暂无评论

交通信息与安全 2018年第5期36卷 117-123页

作者：刘欣彤黄小龙谢秉磊哈尔滨工业大学(深圳)研究生院广东深圳518055

为了提高降雨条件下短时公交客流的预测精度,提出一种基于SVM-KNN的短时公交客流预测模型。分析了降雨天气与公交客流的相关关系,揭示不同降雨等级对公交客流量的影响。进一步发挥支持向量机(SVM)的快速归类和K近邻算法(KNN)的高预测精... 详细信息

为了提高降雨条件下短时公交客流的预测精度,提出一种基于SVM-KNN的短时公交客流预测模型。分析了降雨天气与公交客流的相关关系,揭示不同降雨等级对公交客流量的影响。进一步发挥支持向量机(SVM)的快速归类和K近邻算法(KNN)的高预测精度的优点,提出了基于SVMKNN的短时公交客流预测模型。具体方法为:用SVM训练少量数据生成子数据库,随后采用KNN识别相似模式预测短时公交客流。通过采集深圳市南山区4条公交线路降雨条件下的客流数据进行算例仿真,验证了模型和算法的有效性。结果表明,SVM-KNN算法的综合平均绝对误差(MAE)为8.437,综合均方误差(MSE)为10.725,综合平均相对误差(MAPE)为8.8%,综合均方相对误差(MSPE)为11.3%,比常用的RBF模型的MAE,MSE,MAPE及MSPE各类误差分别降低了3.646,3.631,4.6%,5.5%。

关键词：城市交通公交客流短时预测 SVM-KNN 降雨条件