排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
路网交通拥堵状况评价,是交通流管理、调节和诱导的重要依据.本文基于电警、卡口交通监测数据建立自适应行程置信时间随机性模型,定义了路段消散指数用以描述路段拥堵情况,将卡口过车数据和浮动车数据、互联网数据相融合,根据历史数据,给出道路交通状态划分标准的阈值设置方法和基于浮动车数据描述道路畅通程度的指标,克服了只以浮动车车速定义交通拥堵指数的不足;最后,将运算结果与互联网导航平台数据的拥堵情况进行了比较.比较结果表明,基于路段消散指数的交通拥堵评价是一个有效的方法,可以应用在路网交通拥堵态势预测的研究中. 相似文献
2.
结合BP神经网络模型和自回归求和滑动平均(ARIMA)模型对城市道路交通短时区间流量进行预测.影响交通流的因素有很多,难以一一量化,但这些因素都可以由线性自相关结构和非线性结构结合线性组合得到.而BP神经网络对非线性关系有很好的拟合效果,ARIMA模型则具有良好的线性拟合能力.在训练模型时,先用ARIMA模型拟合训练集,与原始数据作差得到一组残差;用BP神经网络模型拟合残差;将两个模型结合得到组合模型.将2017年7月1日7:00到2017年7月1日18:00期间,贵阳市某个路口断面所采集的过车数据作为训练集,建立ARIMA模型和BP神经网络模型以及组合模型,预测2017年7月1日18:00到2017年7月1日19:00的短时交通流.过车数据统计时间间隔为5min,则训练集共有有效数据132组,测试集的有效数据为12组.分别用三类误差分析指标比较三个模型的拟合、预测效果,结果显示组合模型的预测效果比两个模型单独使用的预测效果更准确. 相似文献
1