基于变量选择-神经网络模型的复杂路网短时交通流预测

发布时间：2017-10-12 12:15

  本文关键词：基于变量选择-神经网络模型的复杂路网短时交通流预测

  更多相关文章： 短时交通流预测 最小绝对收缩和选择算子 变量选择 神经网络

【摘要】：针对传统交通流预测模型正在由单断面历史数据处理向多断面、多时刻历史数据处理转变,但在考虑各断面间的影响时,多变的交通状况往往会使预测模型复杂化的问题,引入一种多元线性回归最小绝对收缩和选择算子方法(Lasso),并利用其优秀的变量选择能力,在复杂路网多断面中选出相关性较高的断面;结合神经网络(NN)的非线性特性,提出了Lasso-NN组合模型.结果表明:Lasso-NN模型在路网交叉口对未来15min交通流数据预测的误差率低于9.2%;在非交叉口的误差率低于6.7%,总体优于各自单独使用得出的结果.
【作者单位】： 南京大学电子科学与工程学院;
【关键词】： 短时交通流预测 最小绝对收缩和选择算子 变量选择 神经网络
【基金】：江苏省科技厅项目(BE2009667) 江苏省自然科学基金(BK2010366)资助
【分类号】：U491.14
【正文快照】： 短时交通流预测是智能交通系统(ITS)的重要内容,是交通信息服务、交通控制与诱导的基础.它为出行者提供实时有效的信息,帮助其更好地进行路径选择,节约出行时间.对于交通管理者,有必要采用科学有效的方法对路网交通流状态做出可靠的预测,从而采取相应交通控制诱导措施,提高路

【参考文献】

中国期刊全文数据库 前1条

1 张文龙;于洪洁;;一种星形神经网络的混沌同步[J];上海交通大学学报;2013年02期

【共引文献】

中国期刊全文数据库 前10条

1 刘晓宁;;基于Lasso特征选择的方法比较[J];安徽电子信息职业技术学院学报;2014年01期

2 宣士斌;;带权稀疏PCA算法及其应用[J];重庆大学学报;2014年04期

3 潘秀艳;;基于GA-ANN算法的层状路基土参数预测模型[J];水利与建筑工程学报;2014年01期

4 Hai ZHANG;Zong Ben XU;Yao WANG;Xiang Yu CHANG;Yong LIANG;;A Sharp Nonasymptotic Bound and Phase Diagram of L1/2 Regularization[J];Acta Mathematica Sinica(English Series);2014年07期

5 刘源;宋晓东;聂志红;王翔;;客运专线铁路路基粗粒土填料最大干密度的BP神经网络预测[J];铁道科学与工程学报;2014年03期

6 张凌洁;张海;;多图模型的联合估计的群桥方法[J];高校应用数学学报A辑;2014年02期

7 赵继东;李晶晶;鲁珂;吴跃;;一种鲁棒的多态人脸识别算法[J];电子科技大学学报;2015年02期

8 李强;王黎明;;基于LASSO方法的结构突变理论研究综述[J];江西师范大学学报(自然科学版);2015年02期

9 樊亚莉;徐群芳;;稳健的变量选择方法及其应用[J];上海理工大学学报;2013年03期

10 王小玉;陈留院;刘云卿;杨云;李钧涛;徐存拴;;基于弹性网络的大鼠肝再生关键基因选择[J];河南师范大学学报(自然科学版);2013年05期

中国重要会议论文全文数据库 前2条

1 马坚伟;于四伟;;基于数据驱动紧框架的高维地震数据重构[A];2014年中国地球科学联合学术年会——专题18：油藏地球物理论文集[C];2014年

2 Wang Changyue;Yao Yan;Liu Huijun;Wang Jingjun;;Rapid Compositional Analysis of Sawdust using Sparse Method and Near Infrared Spectroscopy[A];第26届中国控制与决策会议论文集[C];2014年

中国博士学位论文全文数据库 前10条

1 王明秋;高维数据下若干回归模型的变量选择问题研究[D];大连理工大学;2012年

2 赵为华;变系数模型变量选择的稳健方法[D];华东师范大学;2013年

3 王庆伟;沁南潘庄区块煤粉产出机理与控制因素研究[D];中国矿业大学（北京）;2013年

4 卢一鸣;基于统计建模方法研究真核生物基因表达调控系统[D];中国人民解放军军事医学科学院;2013年

5 张涛;基于函数型数据的模型探测与估计理论[D];云南大学;2013年

6 张静思;高维特征筛选和时间序列下的模型选择[D];山东大学;2013年

7 仵博;动态不确定环境下的智能体序贯决策方法及应用研究[D];中南大学;2013年

8 刘丽敏;选择性聚类融合算法研究[D];中南大学;2013年

9 黄新;基于化学数据的若干统计学习新方法研究[D];中南大学;2013年

10 李洪东;广义灰色分析体系建模的基本问题及其模型集群分析研究[D];中南大学;2012年

中国硕士学位论文全文数据库 前10条

1 朱晓玲;生长曲线模型的惩罚最小二乘估计和变量选择[D];华东师范大学;2013年

2 丁毅涛;稀疏Group Lasso高维统计分析[D];西北大学;2013年

3 胡俊英;基于切比雪夫损失的变量选择方法[D];西北大学;2013年

4 徐雯晖;基于稀疏性的高光谱遥感影像降维方法研究[D];西安电子科技大学;2013年

5 崔春燕;组特征选择算法及其应用研究[D];南京师范大学;2013年

6 贾元乔;基于lasso的两级变量选择方法[D];浙江大学;2013年

7 李荣彪;齐富嫩江公路大桥施工监控技术[D];东北林业大学;2013年

8 刘琳;几类回归模型中的变量选择方法[D];广西大学;2013年

9 林彭;几种基因组评估方法选择效率的比较研究[D];四川农业大学;2013年

10 郭丽;基于稀疏表征的降维算法研究[D];浙江师范大学;2013年

【二级参考文献】

中国期刊全文数据库 前7条

1 翟德红;段利霞;唐旭晖;赵勇;樊登贵;陆启韶;;耦合Hindmarsh-Rose神经元的同步放电模式及转迁[J];动力学与控制学报;2011年03期

2 林晨;于洪洁;;延迟-完全连接H-R神经网络的同步[J];上海交通大学学报;2008年06期

3 于洪洁,彭建华;Hindmarsh-Rose神经元模型的混沌控制[J];生物物理学报;2005年04期

4 于洪洁,刘延柱;对称非线性耦合混沌系统的同步[J];物理学报;2005年07期

5 何国光;朱萍;陈宏平;曹志彤;;混沌神经网络的延时反馈控制研究[J];物理学报;2006年03期

6 陈晶;张天平;闾立新;;具有死区非线性输入的一类不确定混沌系统的自适应控制[J];物理学报;2007年02期

7 于洪洁;童伟君;;延迟自反馈控制Hindmarsh-Rose神经元的混沌运动[J];物理学报;2009年05期

【相似文献】

中国期刊全文数据库 前10条

1 偶昌宝,俞亚南;短时交通流预测的多层递阶方法[J];城市道桥与防洪;2004年05期

2 高丽梅;高鹏;陈俊波;;数据融合技术在短时交通流预测中的应用[J];交通科技;2010年S1期

3 唐世星;;改进的支持向量机算法在短时交通流预测中的应用[J];承德石油高等专科学校学报;2012年01期

4 王娇;李军;;最小最大概率回归机在短时交通流预测中的应用[J];公路交通科技;2014年02期

5 贺国光,李宇,马寿峰;基于数学模型的短时交通流预测方法探讨[J];系统工程理论与实践;2000年12期

6 宗春光,宋靖雁,任江涛,胡坚明;基于相空间重构的短时交通流预测研究[J];公路交通科技;2003年04期

7 杨世坚,贺国光;基于模糊C均值聚类和神经网络的短时交通流预测方法[J];系统工程;2004年08期

8 王进;史其信;;短时交通流预测模型综述[J];中国公共安全(学术卷);2005年01期

9 杨芳明;朱顺应;;基于小波的短时交通流预测[J];重庆交通学院学报;2006年03期

10 邓志龙;李全;陈茜;;基于灰色系统理论的短时交通流预测[J];公路交通技术;2006年01期

中国重要会议论文全文数据库 前4条

1 郑德署;何世伟;许旺土;;分形理论在短时交通流预测中的应用[A];2008第四届中国智能交通年会论文集[C];2008年

2 唐丽娜;张卫华;;短时交通流预测方法的比较研究[A];2007第三届中国智能交通年会论文集[C];2007年

3 于建玲;商朋见;关积珍;;改进的相空间重构方法在短时交通流预测中的应用[A];2008第四届中国智能交通年会论文集[C];2008年

4 杨锦伟;肖新平;郭金海;;基于灰关联与少数据云推理的短时交通流预测[A];第25届全国灰色系统会议论文集[C];2014年

中国博士学位论文全文数据库 前1条

1 姚智胜;基于实时数据的道路网短时交通流预测理论与方法研究[D];北京交通大学;2007年

中国硕士学位论文全文数据库 前10条

1 高为;基于数据挖掘和数据融合的短时交通流预测研究[D];重庆交通大学;2011年

2 尹振兴;“机理+辨识”策略在短时交通流预测中多种结果合成[D];天津大学;2008年

3 姜敏华;基于车行转弯比例稳定假设的短时交通流预测[D];上海交通大学;2008年

4 张蕊;城市道路短时交通流预测[D];五邑大学;2008年

5 韩超;短时交通流预测的研究[D];北方工业大学;2012年

6 张丽;基于云平台的短时交通流预测算法设计与实现[D];大连理工大学;2013年

7 胡洁;基于混沌和神经网络的短时交通流预测研究[D];武汉理工大学;2007年

8 凌帅;基于非参数回归的短时交通流预测系统设计[D];天津大学;2010年

9 王沥;基于改进神经网络的短时交通流预测研究[D];电子科技大学;2012年

10 胡枫;基于马尔科夫模型的短时交通流预测研究[D];南京邮电大学;2013年

，

本文编号：1018651