基于能力区域的交通状态预测方法
本文选题：交通状态 + 预测 ； 参考：《物理学报》2014年14期
【摘要】：交通状态预测是交通流诱导和交通信息发布系统的重要依据.本文提出了一种基于能力区域的城市快速路交通状态预测方法,该方法通过构建神经网络分类器的能力区域,根据样本数据与交通状态类簇之间的空间距离,预测道路交通状态等级.神经网络分类器的能力区域能够有效融合时间、空间等多种特征,并且不需要考虑各特征之间的相关性,具有很强的适应性.实验结果表明,与经典的预测方法相比,其预测误差明显降低,均等系数增大,基于能力区域的方法预测交通状态具有较高的准确性.
[Abstract]:Traffic state prediction is an important basis for traffic flow guidance and traffic information release system. In this paper, a method of urban expressway traffic state prediction based on capacity area is proposed. By constructing the capability region of neural network classifier, according to the spatial distance between sample data and traffic state cluster, Forecast road traffic state grade. The ability region of neural network classifier can effectively fuse time, space and other features, and do not need to consider the correlation between the features, so it has a strong adaptability. The experimental results show that compared with the classical prediction method, the prediction error is obviously reduced, the equalization coefficient is increased, and the traffic state prediction based on the capability region method has a higher accuracy.
【作者单位】： 东南大学城市智能交通江苏省重点实验室;现代城市交通技术江苏高校协同创新中心;
【基金】：国家高技术研究发展计划(批准号:2011AA110302) 江苏省普通高校研究生科研创新计划(批准号:CXZZ13_0119)资助的课题~~
【分类号】：U491.14
【参考文献】
相关期刊论文 前10条
1 齐驰;侯忠生;;自适应单指数平滑法在短期交通流预测中的应用[J];控制理论与应用;2012年04期
2 马林才;许玮珑;刘大学;;基于小波变换的城市市区典型路段交通流量预测[J];控制与决策;2011年05期
3 谢军;吴伟;杨晓光;;用于短时交通流预测的多项式分布滞后模型[J];同济大学学报(自然科学版);2011年09期
4 丛蕊;刘树林;马锐;;基于数据融合的多变量相空间重构方法[J];物理学报;2008年12期
5 张勇;关伟;;基于最大Lyapunov指数的多变量混沌时间序列预测[J];物理学报;2009年02期
6 沈国江;王啸虎;孔祥杰;;短时交通流量智能组合预测模型及应用[J];系统工程理论与实践;2011年03期
7 董宏辉;贾利民;孙晓亮;李晨曦;秦勇;郭敏;;基于最大熵模型的城市快速路交通状态预测方法研究[J];交通运输系统工程与信息;2010年02期
8 姚智胜;邵春福;;基于状态空间模型的道路交通状态多点时间序列预测[J];中国公路学报;2007年04期
9 臧利林;贾磊;杨立才;刘涛;;交通流实时预测的混沌时间序列模型[J];中国公路学报;2007年06期
10 马庆禄;刘卫宁;孙棣华;;道路交通流状态的多参数融合预测方法[J];物理学报;2012年16期
【共引文献】
相关期刊论文 前10条
1 王殿海;陈松;魏强;王京;;基于二流理论的路网宏观交通状态判断模型[J];东南大学学报(自然科学版);2011年05期
2 王建;邓卫;赵金宝;;基于改进型贝叶斯组合模型的短时交通流量预测[J];东南大学学报(自然科学版);2012年01期
3 李松;刘力军;郭海玲;;短时交通流混沌预测方法的比较[J];系统工程;2009年09期
4 曹政才;韩丁富;王永吉;;面向城市交通网络的一种新型动态路径寻优方法[J];电子学报;2012年10期
5 姜桂艳;王秋兰;李琦;;基于多时间尺度一步外推的短时交通参数多步预测方法[J];公路交通科技;2013年02期
6 赵建忠;徐廷学;葛先军;尹延涛;;基于小波变换和GM-ARMA的导弹备件消耗预测[J];北京航空航天大学学报;2013年04期
7 张冬梅;王艳辉;徐杰;李曼;;区域交通安全倾向性预测模型研究[J];公路;2013年05期
8 滕云;田阳;李辉;苏蔚;余伟成;;绝缘子等值盐密的组合预测模型[J];高电压技术;2013年06期
9 张秋余;朱学明;;基于GA-Elman神经网络的交通流短时预测方法[J];兰州理工大学学报;2013年03期
10 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
相关会议论文 前2条
1 邓明荣;沈祖志;郑静静;;基于情境知识城市交通实时路况分析与预报[A];第五届（2010）中国管理学年会——管理科学与工程分会场论文集[C];2010年
2 余碧莹;邵春福;;基于时空模型的道路网交通状态预测[A];2008第四届中国智能交通年会论文集[C];2008年
相关博士学位论文 前10条
1 倪同和;道路交通规划关键指标预测方法研究[D];吉林大学;2011年
2 姚琛;基于信息提取计算的动态交通数据分析及应用[D];西南交通大学;2011年
3 王扬;风电短期预测及其并网调度方法研究[D];浙江大学;2011年
4 李刚;瓦斯浓度的分形分析与混沌预测模型研究[D];中国矿业大学（北京）;2009年
5 王新颖;基于网格的短时交通状态预测研究[D];吉林大学;2010年
6 杨飞;基于回声状态网络的交通流预测模型及其相关研究[D];北京邮电大学;2012年
7 马庆禄;基于混沌理论的交通状态预测研究[D];重庆大学;2012年
8 王智磊;降雨影响敏感型滑坡变形动态预测方法及排水洞效果研究[D];浙江大学;2012年
9 张学清;风电预测、协同调度及电网电压安全评估研究[D];山东大学;2013年
10 朱琳;城市快速路交通态势评估理论与方法研究[D];北京交通大学;2013年
相关硕士学位论文 前10条
1 穆大芸;多变量时间序列预测与储备池优化方法研究[D];大连理工大学;2010年
2 魏强;基于固定检测器的区域交通状态判别方法研究[D];吉林大学;2011年
3 陈松;基于二流理论的城市路网敏感区域交通需求控制研究[D];吉林大学;2011年
4 毛小飞;基于小波包分析和支持向量回归机的交通流量预测方法研究[D];西华大学;2011年
5 刘琦;基于LS-SVM的时间序列预测方法及其应用研究[D];哈尔滨工业大学;2011年
6 王志伟;公路隧道照明系统节能技术研究[D];华东交通大学;2011年
7 李健;城市中心区交叉口流量时变特征研究[D];同济大学;2008年
8 王亚楠;基于储备池方法的多变量序列预测建模研究[D];大连理工大学;2009年
9 徐尚义;双车道混合交通流时间序列复杂性分析[D];北京交通大学;2010年
10 张菁菁;基于浮动车数据的城市快速路短时交通状态预测的研究[D];北京交通大学;2012年
【二级参考文献】
相关期刊论文 前10条
1 王毅;汪洋;蔡华;;基于小波变换的逐步线性回归分析预测大坝位移[J];测绘信息与工程;2008年04期
2 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
3 王海燕,盛昭瀚,张进;多变量时间序列复杂系统的相空间重构[J];东南大学学报(自然科学版);2003年01期
4 陈淑燕,王炜,瞿高峰;短时交通量时间序列的小波分析-模糊马尔柯夫预测方法[J];东南大学学报(自然科学版);2005年04期
5 陈淑燕;王炜;李文勇;;实时交通数据的噪声识别和消噪方法[J];东南大学学报(自然科学版);2006年02期
6 李英,刘豹,马寿峰;交通流时间序列中混沌特性判定的替代数据方法[J];系统工程;2000年06期
7 贺国光,万兴义,王东山;基于跟驰模型的交通流混沌研究[J];系统工程;2003年02期
8 王正武,黄中祥;短时交通流预测模型的分析与评价[J];系统工程;2003年06期
9 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
10 秦中元,牟轩沁,洪伟;基于小波变换的交通车流密度分析[J];公路交通科技;2001年01期
相关博士学位论文 前1条
1 李星毅;基于相似性的交通流分析方法[D];北京交通大学;2010年
相关硕士学位论文 前1条
1 Q，
本文编号：2109298
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/2109298.html
