

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、作為城市發(fā)展的重要環(huán)節(jié),交通不僅是運送人流、物流的重要通道,還是連接城市的重要紐帶。在眾多交通問題的研究當中,短時流量預測與路線推薦這兩個研究課題與我們的日常生活息息相關。本文將對交通領域的這兩個熱門課題展開研究和討論。
短時交通流量研究方面,流量的預測是根據(jù)已有的交通流數(shù)據(jù),在時刻t實時預測下一時刻t+△t以及以后若干時刻的交通流量。人們對短時交通流量進行預測一般都是運用自回歸模型(AR),滑動平均模型(MA)、歷史平均模型
2、(HA)和自回歸滑動平均模型(ARIMA)等。而這些線性預測模型的計算復雜度較低,其模型本身未能反映交通流過程的不確定性和非線性,無法克服隨機干擾因素對交通流的影響。隨著預測時間間隔的縮短,這些模型的預測精度就會變得很差。近幾年人們對神經(jīng)網(wǎng)絡的結構設計和學習方法進行了大量研究,這些基于神經(jīng)網(wǎng)絡的預測算法雖然提高了預測效果,但只適用于單源數(shù)據(jù)且往往只在高速公路之類具有比較穩(wěn)定的交通流環(huán)境下才能達到不錯的效果。針對上述現(xiàn)有方法所存在的不足,
3、我們提出一種平面滑動平均模型,該模型具有以下優(yōu)勢:(1)它集成了個體自身流量模式和相似流量模式的特征來進行預測;(2)訓練集大小要求很低;(3)它在對復雜的城市交通流預測之中比之前的流量預測方法具有更強的泛化能力。
交通路線推薦研究方面,最優(yōu)路徑規(guī)劃策略一直以來就是交通管理和控制研究的熱點問題,限制于使用的領域和方法的不同,最優(yōu)路徑規(guī)劃的策略也不同。常用的經(jīng)典路徑規(guī)劃策略有A*算法、迪杰斯特拉(Dijkstra)算法、貝爾曼-
4、福德(Bellman-Ford)算法等。但是這些算法往往只利用了相互獨立的旅行時間向量,未考慮相鄰道路之間的關聯(lián),因此其最終推薦的合理性值得商榷。針對上述問題,我們提出一種道路捆綁模型,該模型利用相連道路之間的車輛行駛特征以及不同時段的道路通過時間對出行路線進行預測,是解決該類問題的一種創(chuàng)新方案。
我們在真實的交通數(shù)據(jù)集上對提出的模型進行了充分的實驗來驗證模型的性能。實驗結果證明我們模型的預測和推薦的效果優(yōu)于已存在的其他方法,
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 短時交通流預測方法研究.pdf
- 短時交通流預測算法研究.pdf
- 交通流量短時預測方法研究.pdf
- 短時交通流分析及預測.pdf
- 城市交通流短時預測模型研究.pdf
- 短時交通流量混合預測方法研究.pdf
- 短時交通流量預測算法研究.pdf
- 道路網(wǎng)短時交通流分析與預測.pdf
- 交通流量短時預測的算法研究.pdf
- 基于短時交通流預測的交通控制算法研究.pdf
- 短時交通流預測模型及預測方法的研究.pdf
- 短時交通流特性及其預測方法的研究.pdf
- 南昌市短時交通流預測方法研究.pdf
- 結合交通流動態(tài)特性的短時交通流量組合預測研究.pdf
- 短時交通流預測算法研究和應用.pdf
- 基于SVM的交通流短時預測方法研究.pdf
- 城市道路短時交通流預測.pdf
- 基于深度學習的短時交通流預測.pdf
- 基于回聲狀態(tài)網(wǎng)絡的短時交通流預測研究.pdf
- 基于狀態(tài)判別的短時交通流預測方法研究.pdf
評論
0/150
提交評論