导读:本文包含了拥挤预测论文开题报告文献综述及选题提纲参考文献，主要关键词:BP神经网络,终端区,拥挤等级预测
拥挤预测论文文献综述
阮昌,李印凤,高旗[1]（2019）在《基于BP神经网络的终端区拥挤等级预测》一文中研究指出为了准确和有效地预测机场终端区拥挤等级,进而提高终端区空中交通运行效率,首先,从拥挤原因和拥挤后果2类指标入手,提取出4个终端区拥挤指标,并将其量化;然后,建立了基于反向传播(BP)神经网络的终端区拥挤等级预测模型;最后,以国内某终端管制区为例进行验证,结果表明,该预测方法对终端区拥挤等级预测的准确率达73.3%,并具有实用性。(本文来源于《指挥信息系统与技术》期刊2019年04期）
陈乾[2]（2019）在《考虑拥挤传播特性的短时客流预测研究》一文中研究指出随着城市轨道交通网络化建设进程的不断深入,管理运营方面的问题逐渐突出,客流拥挤已经成为轨道交通运管部门最关注的问题。掌握拥挤传播规律,实现站点短时客流的实时预测,对于运管部门及时调整运营策略、采取限流措施、引导乘客出行有着极为重要的意义,是解决客流拥挤现象的关键所在。本文基于对短时客流特性及影响因素的分析,选择云模型作为实现短时客流预测的手段,并将拥挤传播量化为继发概率,分析总结拥挤传播的特性及影响因素,对考虑拥挤传播特性的短时客流预测进行研究,结合北京市部分站点的客流实例进行验证分析。本文主要工作及结论如下:(1)在对不同粒度时间的分析比较的基础上,归纳总结出短时客流的周期性、动态性、不均匀性、非线性及不确定性,并从多个角度结合实例对短时客流特性进行分析验证。以计算高峰期持续时间为手段,分析验证了运营日期、运营时段、站点周边用地叁个影响因素对短时客流的影响。(2)建立模型,对继发概率进行量化,结合实例分析拥挤传播的不确定性与动态性,以及客流量与列车剩余承载能力对拥挤传播的影响。在此基础上选择SIS模型对拥挤传播进行研究,结合改良SIS模型,以变化的继发概率对客流拥挤传播规律进行研究验证。(3)基于短时客流特性与拥挤传播特性,选择多条件多规则短时客流预测云模型对短时客流进行预测,并结合北京地铁前门站与朝阳门站对预测精度进行多指标下的精度分析,结果证明预测精度较高。(本文来源于《北京交通大学》期刊2019-04-01）
方晨晨,周继彪,董升,王依婷,陈莎雯[3]（2018）在《基于BP神经网络的地铁车厢拥挤度预测方法》一文中研究指出为准确预测地铁车厢的拥挤度,考虑到站时车厢的下车人数、立席面积和车厢承载量等因素,提出一种基于BP神经网络的地铁车厢拥挤度预测方法。基于调查数据和Matlab平台,构建初始BP神经网络、训练以及测试等环节,实现对地铁车厢到站时各车门下车人数的预测。以立席密度为标准进行车厢拥挤度划分,标定即将到站地铁的各节车厢拥挤度。以宁波市鼓楼地铁站为例,对BP神经网络预测方法进行验证,得到不同结构的BP神经网络预测结果。结果表明,最佳预测结果的决定系数R2为0.94,平均相对误差为0.25,预测误差在可控范围内,BP神经网络在下车人数预测上是适用的。(本文来源于《交通信息与安全》期刊2018年06期）
刘亚东[4]（2018）在《基于混沌理论和小波神经网络的拥挤交通流短时预测》一文中研究指出近年来,交通拥堵问题已为相关的交通管理部门所重视,一些先进的控制理念为处理这些问题提供了新颖有效的解决方案,例如交通流短时预测。对于交通流短时预测的现有研究,主要集中于自由交通流状态下的短时预测,较少考虑了拥挤状态下的交通流运行特性;另一方面,现有研究绝大部分都是实测数据结合MATLAB的仿真验证,很少有结合专业交通仿真软件实现交通流的短时预测研究。因此,本文提出的基于混沌理论和小波神经网络的拥挤交通流短时预测对交通管理和控制具有理论指导意义。本文基于城市快速路交通流具有的多种状态,研究了拥挤状态下的交通流运行特性,并利用小波神经网络对其进行短时预测,此外,通过交通仿真软件TransModeler,还实现了交通流短时预测的仿真应用。具体内容包括:首先,结合城市快速路的运行特性,分析城市快速路交通流的运行状态及对其进行划分,得到拥挤交通流的实测数据;其次,着眼于拥挤交通流实测数据,分析其具有的混沌特性并进行相空间重构;进而,利用小波神经网络实现拥挤交通流的短时预测;最后,通过TransModeler软件,构建典型的城市路网,基于TransModeler二次开发交通流短时预测仿真显示平台,实现交通流短时预测的仿真应用。本文的主要工作如下:1.基于叁相交通流理论研究拥挤交通流的运行特性考虑到城市快速路交通流运行特性与高速公路的差异,本文借助叁相交通流理论,对城市快速路交通流各个状态具有的运行特性进行了分析,并利用实测交通流数据对其进行了验证,进而选取拥挤交通流参数时间序列,对其进行预处理,最后得到预处理后的拥挤交通流参数时间序列。2.基于混沌理论的拥挤交通流参数时间序列分析与相空间重构考虑到拥挤交通流的非线性,利用最大Lyapunov指数的正负对本文研究的时间序列进行了混沌判定,并通过实测的交通流参数时间序列,进行了数值仿真分析;进而,通过相空间重构理论,对拥挤交通流相关参数时间序列所包含的内在特性进行了理论分析研究;最后,通过实测数据进行仿真验证。3.基于小波神经网络的拥挤交通流短时预测考虑到拥挤交通流的特殊性,本文基于小波神经网络构建了拥挤交通流短时预测模型,并通过数值仿真对其预测性能进行分析。首先,了解了小波神经网络的理论知识并对参数的确定方法进行了研究,本文选取平均车速时间序列为研究对象,利用该预测模型进行了短时预测,得出其预测性能;其次,针对原有预测模型所具有的缺点,根据遗传算法,提出了改进的交通流短时预测模型;最后,利用改进的预测模型对平均速度时间序列进行了短时预测研究,并对预测性能进行了评价。4.基于TransModeler的交通流短时预测仿真验证考虑到交通流短时预测的实用性,本文借助专业交通仿真软件TransModeler,构建典型的城市快速路网,结合交通流短时预测算法,实现基于TransModeler的城市快速路交通流短时预测仿真。首先,构建典型的城市快速路网,并调整仿真参数,使所构建的路网能够呈现城市快速路交通流的运行特性;其次,基于TransModeler进行二次开发,将交通流短时预测算法嵌入到TransModeler平台中;最后,实现基于TransModeler的交通流短时预测仿真,利用TransModeler城市快速路网的仿真数据,对其进行短时预测研究。(本文来源于《重庆邮电大学》期刊2018-04-15）
杨谱[5]（2018）在《基于视频图像处理的地铁站拥挤风险预测与人群疏散》一文中研究指出随着城市轨道交通的高速发展,选择地铁方式出行的人群越来越多,一旦发生危险会对人身和财产造成巨大威胁。目前,大多数研究方向在单次预测(比如体育馆有大型活动)或者事故后的致因分析,缺乏有效的拥挤风险实时监测预警手段。为此,本文提出了一种基于视频图像评估地铁站拥挤风险参数的新方法。该方法解决了此类场景下人群构成复杂、流动量大、持续时间长的问题,实现了人群状态的实时监测预警,并且以此为基础设计了一套疏散路线。本文以西直门地铁站的实际流通人群为研究对象,进行视频采集和图像处理,主要的研究内容如下:1.确定实时拥挤风险预测方法。从目前常用的叁种风险预测方法入手,分析了这叁种方法的优缺点,并最终提出了结合视频图像处理的实时监测方法。2.研究人群密度检测算法。基于传统算法存在的问题,提出了一种结合纹理分析和神经网络的算法对某段区域内人群密度进行预测。该算法通过纹理分析将多张图片内容转化为参数的方式描述图片,以此分析地铁站的不同人群情况,从而达到减弱人与人之间互相遮挡和摄像头远近影响的目的。转化结果输入神经网络进行训练,形成样本库,达成了纹理分析与神经网络结合的算法流程。实际检测时直接将预测图片以纹理分析参数的方式自动输入到神经网络库中进行判定,得出结果。将该算法与传统基于像素统计和基于Hough变换的人流密度估计算法进行实验比较,结果表明该算法准确率可以达到百分之八十远高于现有传统人群算法。3.研究了人群速度检测算法。通过对视频中人群的追踪,判定人群具体的流动速度。实践了两种目标跟踪的算法:均值滤波算法和卡尔曼滤波跟踪算法。基于地铁站的背景情况,本文进行了分类实验:固定背景下单人标跟踪、变化背景下单人跟踪和固定背景下多人跟踪。实验证明,卡尔曼滤波算法受到复杂背景及人群遮挡影响较大,且在大密度人群跟中容易出现跟踪丢失的情况。而均值滤波算法可以克服背景及人群遮挡的影响,在叁类情况中都能准确跟踪到人群。4.研究了人群疏散路线。本文首先对西直门地铁站人流进行了分类,然后对整个站内不同的结构和各个站口不同时间人流的变化规律进行调查,最终制定一个针对于西直门地铁站的人流疏散路线。(本文来源于《北京交通大学》期刊2018-03-01）
李桂毅,胡明华[6]（2018）在《考虑航段相关性的航路拥挤态势多模型融合动态预测方法》一文中研究指出研究航路交通拥挤状态动态实时预测问题,可为缓解航路交通拥挤,优化拥挤管控策略提供科学的依据.首先,采用神经网络理论建立考虑航段相关性的交通流参数预测模型,预测航段流量和航段密度参数;然后,运用多模型融合预测算法提高预测精度,基于模糊C均值聚类算法和航段历史及预测交通流参数预测航段交通拥挤态势;最后,采用雷达实测航迹数据验证模型的有效性.研究结果表明,本文建立的预测模型同时考虑了时间和空间因素,对航路拥挤状态预测准确率达到82.29%,预测方法符合实际且对航路交通态势的预测具有应用价值;同时考虑航段相关性影响和采用多模型融合预测算法能够明显提高预测精度.(本文来源于《交通运输系统工程与信息》期刊2018年01期）
李善梅,赵元棣[7]（2017）在《基于机场子区划分的机场网络交通拥挤传播预测》一文中研究指出为了预测机场进离场交通的拥挤态势,本文从机场网络的角度进行研究.首先针对交通拥挤形成的动态过程,建立了基于出入流率的交通拥挤的定义及其度量;接着,引入多维标度法对机场之间的交通相关性进行定量分析,划分机场子区,以降低网络分析的复杂度及解空间维数;然后,构建了基于Elman神经网络实现机场子区内多个相关机场的交通拥挤传播预测方法;最后,基于美国机场的实际航班数据对机场网络拥挤传播预测方法进行验证.验证结果表明,预测结果的平均绝对百分比误差和平均绝对偏差较小,明显优于对比算法.(本文来源于《交通运输系统工程与信息》期刊2017年04期）
徐嫚谷[8]（2017）在《事故条件下城市主干路交通拥挤态势预测及评估研究》一文中研究指出随着我国城市化进程的不断推进,车辆保有量仍处于上涨态势,城市交通面临着严峻压力,与此同时,城市交通道路事故频发,造成交通拥挤,路网运行效率降低,给社会经济带来不利损失。面对城市复杂路网上的交通突发事故,疏堵减灾、减弱路网波及影响、维持路网交通流平稳有序运行成为亟待解决的城市交通问题,此问题解决需要对事故所引发拥挤的态势发展规律、影响范围及严重程度有清晰的认识和评估。本文在国内外现有研究成果的基础上,研究事故条件下道路拥挤产生和蔓延规律,分析影响拥挤态势发展的影响因素及其作用机理;针对城市主干路,研究事故发生后,偶发性拥挤在路网空间蔓延形成的影响范围的预测方法,并对相应交通状态下对交通拥挤态势严重度进行评估。首先,分析道路交通拥挤类型、拥挤特性和拥挤度量标准,研究事故条件下城市道路拥挤态势的影响因素,包括事故情景、实时交通环境、事发道路等级、事故发生位置、路网形态和主观驾驶行为等,分析各因素的影响机理,确定事故继发性拥挤产生的判别条件,并对论文研究的基本情景进行设定。其次,基于交通波理论和Van Aerde模型构建拥挤沿事发道路的蔓延速度预测模型,并根据主干路的交通功能和交通流特性,考虑事故占用行车道、车辆行驶过程换道行为及车流行经信号交叉口的影响对模型进行修正,给出模型计算流程及方法。再次,深入分析事故所引发拥挤在路网交叉口处的蔓延机理,基于拥挤蔓延速度预测模型,预测拥挤沿事发主干路蔓延的空间长度,设计案例,并利用VISSIM 4.3软件平台进行仿真验证,提取软件仿真参数,分析拥挤蔓延路段的交通状态特性;基于拥挤沿事发主干路的蔓延范围,制定事发主干路周边路网上道路接受拥挤判定的顺序和规则,选取拥挤判定指标并确定指标阈值,结合道路交通参数的获取及指标值计算,确定或预测交通拥挤在区域路网上的空间影响范围。最后,设计事故条件下道路交通拥挤态势的评估流程,建立拥挤态势评估指标体系,体系包括交通拥挤态势发展指标和后果指标,分别考虑事故拥挤蔓延速度和程度两个层面对拥挤态势的影响,利用模糊综合评价方法对道路交通拥挤态势严重程度进行综合评估,并判定拥挤态势等级。(本文来源于《长安大学》期刊2017-05-16）
徐舒萌[9]（2017）在《基于BP神经网络的公交到站时间与车内拥挤程度的预测》一文中研究指出“智能交通”是“智慧城市”概念的一个至关重要的组成部分,“加强城市交通趋势预测研判,及时发布交通运行预报信息”是智能交通的一个重要的研究领域与应用方向,其中公交到站时间与公交车内拥挤程度的准确预测是整体预报信息中的重要一环。本文主要利用BP神经网络模型,对公交到站时间与拥挤程度进行预测。(1)将公交到站时间影响因素分为微观与宏观两部分:微观是指以所要预测的公交车作为观测主体,有叁类对其到站时间构成干扰的影响因素,分别是其正常行驶中的行驶过程因素、站点停靠影响因素和交通信号影响因素;宏观上将公交所在的交通环境看做一个整体,考虑它的交通状态因素。另外,与以往研究中直接使用影响因素作为模型输入不同,文本提出使用中间变量作为BP神经网络模型的输入变量,使其能够充分涵盖所有影响因素,具体选择的中间变量(即模型输入)有叁个,分别是:1)公交在之前所有站点的到达时间。2)公交在之前所有站点的停靠时间。3)公交在之前所有站点的延误时间。选择以上叁类特征作为模型的输入变量有以下优势:1)能够对影响公交到站时间的因素进行有效的整合,并且能够涵盖其影响效果。2)与一些难以获取的影响因素数据(如天气、地理位置等)相比,输入数据的提取与预处理更加简便。3)减少了模型的复杂度,并且增加了系统的实际可操作性。(2)利用北京300路公交车的真实GPS数据,并结合BP神经网络模型、支持向量机模型、KNN模型以及线性回归模型,对两种输入向量进行实验分析对比,采用不同的误差标准对预测结果进行对比,最后得出结论:使用基于综合影响的输入变量得到的结果更加准确,且BP神经网络的预测结果最准确,计算时间最短。(3)在公交车内拥挤程度方面,本文在现有的拥挤感知产生机制研究基础上,运用生态视角理论(ecological perspective theory)对公交内部拥挤的原因进行了分析,并由此进行了社会调查,与以往的文字调查不同,本文采用基于视觉感受的车内拥挤图像问卷调查,并利用统计学方法,提出了公交车内拥挤程度的等级划分方法。并且,从实际获得客流数据进行实验分析,找到规律,证实公交车内人数(即客流量)在同一周期内与公交到站时间具有相同的增减规律。(4)本文通过对影响公交到站时间和拥挤程度两种问题的研究,采用同一个BP神经网络,同时预测公交到站时间与拥挤程度,充分地利用了BP网络的强大非线性映射能力,并且大幅度减少了系统的复杂度,提高了运算速度。具体来说,系统会针对制定线路公交的每一站设计一个BP神经网络模型,其输入为公交在之前所有站点的到达时间、停靠时间、延误时间,输出则为公交到达下游每一站的时间与拥挤程度,因此每一个模型的输入、输出向量个数也各有不同。对最终结果进行展示,该结果一方面可以为实时交通管理与调度提供支持,另一方面也可以通过电子站牌或APP,将预测信息提供给出行乘客。(本文来源于《北京工业大学》期刊2017-05-01）
杨海洋[10]（2017）在《拥挤情况下的人群计数和短时人群流量预测》一文中研究指出近年来,拥挤状况下的人群踩踏事件常有发生,对人群的管理调控就显得尤其重要。因此,人群计数已经成为智能监控中必不可少的一项功能,它不仅在人数预测方面可以发挥作用,而且在安全监管方面也可以达到很好的效果。在本文中,本人参与提出了一种在拥挤情况下对遮挡敏感的人群计数方法,该方法可以有效减少灾难性踩踏事件的发生。第一步,作者分别采用帧差法和高斯混合模型来提取前景图像,然后将两幅提取出的前景图像进行逻辑与操作来生成一幅新的前景图像,得到的新的前景图像比分别得到的前景都要准确。第二步,在场景分割中,作者在大量实验的基础上将每一帧图像在空间上平均分成九个区域,实验证明,这样的分割方式相比于其他的方式结果更加准确。第叁步,作者先在已有算法的基础上得到一个粗略的人数统计,然后我们提出了遮挡系数的概念来解决人群计数时的遮挡问题。对每一个区域来说,哈里斯角点的个数和前景像素点的总数都是计算遮挡系数必不可少的因子。最终的人数就可以通过粗略的人数统计和遮挡系数计算得到。通过实验表明,作者提出的方法有较好的精确性和鲁棒性。随着人群计数的实现,准确的人群流量预测也成为了现实。研究表明,人群路段上某时刻的人群流量与本路段前几个时段的人群流量有关,并且具有24小时内准周期的特性。本文中根据人群流量的特性设计小波神经网络来预测未来某时间点的人群流量。该小波神经网络分为输入层、隐含层和输出层。其中输入层有4个节点,表示预测时间节点前4个时间点的人群流量;隐含层有6个节点;输出层有1个节点,为网络预测的人群流量。网络权值和小波基函数在参数初始化时随机得到。利用训练数据对小波神经网络反复训练240次,预测得到的人群流量具有较好的准确性。(本文来源于《北京交通大学》期刊2017-05-01）
拥挤预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着城市轨道交通网络化建设进程的不断深入,管理运营方面的问题逐渐突出,客流拥挤已经成为轨道交通运管部门最关注的问题。掌握拥挤传播规律,实现站点短时客流的实时预测,对于运管部门及时调整运营策略、采取限流措施、引导乘客出行有着极为重要的意义,是解决客流拥挤现象的关键所在。本文基于对短时客流特性及影响因素的分析,选择云模型作为实现短时客流预测的手段,并将拥挤传播量化为继发概率,分析总结拥挤传播的特性及影响因素,对考虑拥挤传播特性的短时客流预测进行研究,结合北京市部分站点的客流实例进行验证分析。本文主要工作及结论如下:(1)在对不同粒度时间的分析比较的基础上,归纳总结出短时客流的周期性、动态性、不均匀性、非线性及不确定性,并从多个角度结合实例对短时客流特性进行分析验证。以计算高峰期持续时间为手段,分析验证了运营日期、运营时段、站点周边用地叁个影响因素对短时客流的影响。(2)建立模型,对继发概率进行量化,结合实例分析拥挤传播的不确定性与动态性,以及客流量与列车剩余承载能力对拥挤传播的影响。在此基础上选择SIS模型对拥挤传播进行研究,结合改良SIS模型,以变化的继发概率对客流拥挤传播规律进行研究验证。(3)基于短时客流特性与拥挤传播特性,选择多条件多规则短时客流预测云模型对短时客流进行预测,并结合北京地铁前门站与朝阳门站对预测精度进行多指标下的精度分析,结果证明预测精度较高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
拥挤预测论文参考文献
[1].阮昌,李印凤,高旗.基于BP神经网络的终端区拥挤等级预测[J].指挥信息系统与技术.2019
[2].陈乾.考虑拥挤传播特性的短时客流预测研究[D].北京交通大学.2019
[3].方晨晨,周继彪,董升,王依婷,陈莎雯.基于BP神经网络的地铁车厢拥挤度预测方法[J].交通信息与安全.2018
[4].刘亚东.基于混沌理论和小波神经网络的拥挤交通流短时预测[D].重庆邮电大学.2018
[5].杨谱.基于视频图像处理的地铁站拥挤风险预测与人群疏散[D].北京交通大学.2018
[6].李桂毅,胡明华.考虑航段相关性的航路拥挤态势多模型融合动态预测方法[J].交通运输系统工程与信息.2018
[7].李善梅,赵元棣.基于机场子区划分的机场网络交通拥挤传播预测[J].交通运输系统工程与信息.2017
[8].徐嫚谷.事故条件下城市主干路交通拥挤态势预测及评估研究[D].长安大学.2017
[9].徐舒萌.基于BP神经网络的公交到站时间与车内拥挤程度的预测[D].北京工业大学.2017
[10].杨海洋.拥挤情况下的人群计数和短时人群流量预测[D].北京交通大学.2017