本文主要研究内容
作者唐智慧,郑伟皓,董维,李娟（2019）在《基于交互式BP-UKF模型的短时交通流预测方法》一文中研究指出：城市路网具有功能多样、组成复杂、交通量大、交叉口多等特点。优化短时交通流预测模型能够增加交通状态判别的精准度,有利于市民预知交通出行信息,为交通诱导措施的发布提供数据支持,免陷入拥堵困境。针对目前短时交通流预测模型优化过程中出现的模型适应性差,使用条件要求高、单一模型无法准确地描述交通流在不同时段内的变化规律等因素造成短时交通流预测精准度低的问题,采用Kohonen神经网络对交通流数据进行聚类分析,令聚类得到的不同交通流模式下的交通流数据作为训练多个不同BP神经网络模型的输入,将不同神经网络模型与无迹卡尔曼滤波结合组成多个交通滤波器,完成交通流量的非线性预测与在线校准,最后使用交互式方法融合各估计器预测结果得出综合交通流预测结果。仿真实例构建了多个估计器和1个基于该方法的联合估计器,将以上各个估计器用于某断面的流量预测中,验证了几类估计器的流量预测性能。试验结果表明:该方法搭建的联合估计器在各种交通模式下较单估计器的预测准确性均有所提高,且在交通流遭遇多因素影响下发生特征变化时表现出一定的自适应性;相比于传统系统预测模型,大大降低了对训练数据量的要求,取得了较为满意的短时交通流预测效果。
Abstract
cheng shi lu wang ju you gong neng duo yang 、zu cheng fu za 、jiao tong liang da 、jiao cha kou duo deng te dian 。you hua duan shi jiao tong liu yu ce mo xing neng gou zeng jia jiao tong zhuang tai pan bie de jing zhun du ,you li yu shi min yu zhi jiao tong chu hang xin xi ,wei jiao tong you dao cuo shi de fa bu di gong shu ju zhi chi ,mian xian ru yong du kun jing 。zhen dui mu qian duan shi jiao tong liu yu ce mo xing you hua guo cheng zhong chu xian de mo xing kuo ying xing cha ,shi yong tiao jian yao qiu gao 、chan yi mo xing mo fa zhun que de miao shu jiao tong liu zai bu tong shi duan nei de bian hua gui lv deng yin su zao cheng duan shi jiao tong liu yu ce jing zhun du di de wen ti ,cai yong Kohonenshen jing wang lao dui jiao tong liu shu ju jin hang ju lei fen xi ,ling ju lei de dao de bu tong jiao tong liu mo shi xia de jiao tong liu shu ju zuo wei xun lian duo ge bu tong BPshen jing wang lao mo xing de shu ru ,jiang bu tong shen jing wang lao mo xing yu mo ji ka er man lv bo jie ge zu cheng duo ge jiao tong lv bo qi ,wan cheng jiao tong liu liang de fei xian xing yu ce yu zai xian jiao zhun ,zui hou shi yong jiao hu shi fang fa rong ge ge gu ji qi yu ce jie guo de chu zeng ge jiao tong liu yu ce jie guo 。fang zhen shi li gou jian le duo ge gu ji qi he 1ge ji yu gai fang fa de lian ge gu ji qi ,jiang yi shang ge ge gu ji qi yong yu mou duan mian de liu liang yu ce zhong ,yan zheng le ji lei gu ji qi de liu liang yu ce xing neng 。shi yan jie guo biao ming :gai fang fa da jian de lian ge gu ji qi zai ge chong jiao tong mo shi xia jiao chan gu ji qi de yu ce zhun que xing jun you suo di gao ,ju zai jiao tong liu zao yu duo yin su ying xiang xia fa sheng te zheng bian hua shi biao xian chu yi ding de zi kuo ying xing ;xiang bi yu chuan tong ji tong yu ce mo xing ,da da jiang di le dui xun lian shu ju liang de yao qiu ,qu de le jiao wei man yi de duan shi jiao tong liu yu ce xiao guo 。
论文参考文献
论文详细介绍
论文作者分别是来自公路交通科技的唐智慧,郑伟皓,董维,李娟，发表于刊物公路交通科技2019年04期论文，是一篇关于智能交通系统论文,短时交通流预测论文,神经网络论文,城市路网论文,公路交通科技2019年04期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自公路交通科技2019年04期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：智能交通系统论文; 短时交通流预测论文; 神经网络论文; 城市路网论文; 公路交通科技2019年04期论文;