本文關(guān)鍵詞：基于變量選擇-神經(jīng)網(wǎng)絡(luò)模型的復雜路網(wǎng)短時交通流預測

  更多相關(guān)文章： 短時交通流預測 最小絕對收縮和選擇算子 變量選擇 神經(jīng)網(wǎng)絡(luò)

【摘要】：針對傳統(tǒng)交通流預測模型正在由單斷面歷史數(shù)據(jù)處理向多斷面、多時刻歷史數(shù)據(jù)處理轉(zhuǎn)變,但在考慮各斷面間的影響時,多變的交通狀況往往會使預測模型復雜化的問題,引入一種多元線性回歸最小絕對收縮和選擇算子方法(Lasso),并利用其優(yōu)秀的變量選擇能力,在復雜路網(wǎng)多斷面中選出相關(guān)性較高的斷面;結(jié)合神經(jīng)網(wǎng)絡(luò)(NN)的非線性特性,提出了Lasso-NN組合模型.結(jié)果表明:Lasso-NN模型在路網(wǎng)交叉口對未來15min交通流數(shù)據(jù)預測的誤差率低于9.2%;在非交叉口的誤差率低于6.7%,總體優(yōu)于各自單獨使用得出的結(jié)果.
【作者單位】： 南京大學電子科學與工程學院;
【關(guān)鍵詞】： 短時交通流預測 最小絕對收縮和選擇算子 變量選擇 神經(jīng)網(wǎng)絡(luò)
【基金】：江蘇省科技廳項目(BE2009667) 江蘇省自然科學基金(BK2010366)資助
【分類號】：U491.14
【正文快照】： 短時交通流預測是智能交通系統(tǒng)(ITS)的重要內(nèi)容,是交通信息服務(wù)、交通控制與誘導的基礎(chǔ).它為出行者提供實時有效的信息,幫助其更好地進行路徑選擇,節(jié)約出行時間.對于交通管理者,有必要采用科學有效的方法對路網(wǎng)交通流狀態(tài)做出可靠的預測,從而采取相應(yīng)交通控制誘導措施,提高路

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 張文龍;于洪潔;;一種星形神經(jīng)網(wǎng)絡(luò)的混沌同步[J];上海交通大學學報;2013年02期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉曉寧;;基于Lasso特征選擇的方法比較[J];安徽電子信息職業(yè)技術(shù)學院學報;2014年01期

2 宣士斌;;帶權(quán)稀疏PCA算法及其應(yīng)用[J];重慶大學學報;2014年04期

3 潘秀艷;;基于GA-ANN算法的層狀路基土參數(shù)預測模型[J];水利與建筑工程學報;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 劉源;宋曉東;聶志紅;王翔;;客運專線鐵路路基粗粒土填料最大干密度的BP神經(jīng)網(wǎng)絡(luò)預測[J];鐵道科學與工程學報;2014年03期

6 張凌潔;張海;;多圖模型的聯(lián)合估計的群橋方法[J];高校應(yīng)用數(shù)學學報A輯;2014年02期

7 趙繼東;李晶晶;魯珂;吳躍;;一種魯棒的多態(tài)人臉識別算法[J];電子科技大學學報;2015年02期

8 李強;王黎明;;基于LASSO方法的結(jié)構(gòu)突變理論研究綜述[J];江西師范大學學報(自然科學版);2015年02期

9 樊亞莉;徐群芳;;穩(wěn)健的變量選擇方法及其應(yīng)用[J];上海理工大學學報;2013年03期

10 王小玉;陳留院;劉云卿;楊云;李鈞濤;徐存拴;;基于彈性網(wǎng)絡(luò)的大鼠肝再生關(guān)鍵基因選擇[J];河南師范大學學報(自然科學版);2013年05期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 馬堅偉;于四偉;;基于數(shù)據(jù)驅(qū)動緊框架的高維地震數(shù)據(jù)重構(gòu)[A];2014年中國地球科學聯(lián)合學術(shù)年會——專題18：油藏地球物理論文集[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屆中國控制與決策會議論文集[C];2014年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 王明秋;高維數(shù)據(jù)下若干回歸模型的變量選擇問題研究[D];大連理工大學;2012年

2 趙為華;變系數(shù)模型變量選擇的穩(wěn)健方法[D];華東師范大學;2013年

3 王慶偉;沁南潘莊區(qū)塊煤粉產(chǎn)出機理與控制因素研究[D];中國礦業(yè)大學（北京）;2013年

4 盧一鳴;基于統(tǒng)計建模方法研究真核生物基因表達調(diào)控系統(tǒng)[D];中國人民解放軍軍事醫(yī)學科學院;2013年

5 張濤;基于函數(shù)型數(shù)據(jù)的模型探測與估計理論[D];云南大學;2013年

6 張靜思;高維特征篩選和時間序列下的模型選擇[D];山東大學;2013年

7 仵博;動態(tài)不確定環(huán)境下的智能體序貫決策方法及應(yīng)用研究[D];中南大學;2013年

8 劉麗敏;選擇性聚類融合算法研究[D];中南大學;2013年

9 黃新;基于化學數(shù)據(jù)的若干統(tǒng)計學習新方法研究[D];中南大學;2013年

10 李洪東;廣義灰色分析體系建模的基本問題及其模型集群分析研究[D];中南大學;2012年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 朱曉玲;生長曲線模型的懲罰最小二乘估計和變量選擇[D];華東師范大學;2013年

2 丁毅濤;稀疏Group Lasso高維統(tǒng)計分析[D];西北大學;2013年

3 胡俊英;基于切比雪夫損失的變量選擇方法[D];西北大學;2013年

4 徐雯暉;基于稀疏性的高光譜遙感影像降維方法研究[D];西安電子科技大學;2013年

5 崔春燕;組特征選擇算法及其應(yīng)用研究[D];南京師范大學;2013年

6 賈元喬;基于lasso的兩級變量選擇方法[D];浙江大學;2013年

7 李榮彪;齊富嫩江公路大橋施工監(jiān)控技術(shù)[D];東北林業(yè)大學;2013年

8 劉琳;幾類回歸模型中的變量選擇方法[D];廣西大學;2013年

9 林彭;幾種基因組評估方法選擇效率的比較研究[D];四川農(nóng)業(yè)大學;2013年

10 郭麗;基于稀疏表征的降維算法研究[D];浙江師范大學;2013年

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 翟德紅;段利霞;唐旭暉;趙勇;樊登貴;陸啟韶;;耦合Hindmarsh-Rose神經(jīng)元的同步放電模式及轉(zhuǎn)遷[J];動力學與控制學報;2011年03期

2 林晨;于洪潔;;延遲-完全連接H-R神經(jīng)網(wǎng)絡(luò)的同步[J];上海交通大學學報;2008年06期

3 于洪潔,彭建華;Hindmarsh-Rose神經(jīng)元模型的混沌控制[J];生物物理學報;2005年04期

4 于洪潔,劉延柱;對稱非線性耦合混沌系統(tǒng)的同步[J];物理學報;2005年07期

5 何國光;朱萍;陳宏平;曹志彤;;混沌神經(jīng)網(wǎng)絡(luò)的延時反饋控制研究[J];物理學報;2006年03期

6 陳晶;張?zhí)炱?閭立新;;具有死區(qū)非線性輸入的一類不確定混沌系統(tǒng)的自適應(yīng)控制[J];物理學報;2007年02期

7 于洪潔;童偉君;;延遲自反饋控制Hindmarsh-Rose神經(jīng)元的混沌運動[J];物理學報;2009年05期

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 偶昌寶,俞亞南;短時交通流預測的多層遞階方法[J];城市道橋與防洪;2004年05期

2 高麗梅;高鵬;陳俊波;;數(shù)據(jù)融合技術(shù)在短時交通流預測中的應(yīng)用[J];交通科技;2010年S1期

3 唐世星;;改進的支持向量機算法在短時交通流預測中的應(yīng)用[J];承德石油高等�？茖W校學報;2012年01期

4 王嬌;李軍;;最小最大概率回歸機在短時交通流預測中的應(yīng)用[J];公路交通科技;2014年02期

5 賀國光,李宇,馬壽峰;基于數(shù)學模型的短時交通流預測方法探討[J];系統(tǒng)工程理論與實踐;2000年12期

6 宗春光,宋靖雁,任江濤,胡堅明;基于相空間重構(gòu)的短時交通流預測研究[J];公路交通科技;2003年04期

7 楊世堅,賀國光;基于模糊C均值聚類和神經(jīng)網(wǎng)絡(luò)的短時交通流預測方法[J];系統(tǒng)工程;2004年08期

8 王進;史其信;;短時交通流預測模型綜述[J];中國公共安全(學術(shù)卷);2005年01期

9 楊芳明;朱順應(yīng);;基于小波的短時交通流預測[J];重慶交通學院學報;2006年03期

10 鄧志龍;李全;陳茜;;基于灰色系統(tǒng)理論的短時交通流預測[J];公路交通技術(shù);2006年01期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 鄭德署;何世偉;許旺土;;分形理論在短時交通流預測中的應(yīng)用[A];2008第四屆中國智能交通年會論文集[C];2008年

2 唐麗娜;張衛(wèi)華;;短時交通流預測方法的比較研究[A];2007第三屆中國智能交通年會論文集[C];2007年

3 于建玲;商朋見;關(guān)積珍;;改進的相空間重構(gòu)方法在短時交通流預測中的應(yīng)用[A];2008第四屆中國智能交通年會論文集[C];2008年

4 楊錦偉;肖新平;郭金海;;基于灰關(guān)聯(lián)與少數(shù)據(jù)云推理的短時交通流預測[A];第25屆全國灰色系統(tǒng)會議論文集[C];2014年

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 姚智勝;基于實時數(shù)據(jù)的道路網(wǎng)短時交通流預測理論與方法研究[D];北京交通大學;2007年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 高為;基于數(shù)據(jù)挖掘和數(shù)據(jù)融合的短時交通流預測研究[D];重慶交通大學;2011年

2 尹振興;“機理+辨識”策略在短時交通流預測中多種結(jié)果合成[D];天津大學;2008年

3 姜敏華;基于車行轉(zhuǎn)彎比例穩(wěn)定假設(shè)的短時交通流預測[D];上海交通大學;2008年

4 張蕊;城市道路短時交通流預測[D];五邑大學;2008年

5 韓超;短時交通流預測的研究[D];北方工業(yè)大學;2012年

6 張麗;基于云平臺的短時交通流預測算法設(shè)計與實現(xiàn)[D];大連理工大學;2013年

7 胡潔;基于混沌和神經(jīng)網(wǎng)絡(luò)的短時交通流預測研究[D];武漢理工大學;2007年

8 凌帥;基于非參數(shù)回歸的短時交通流預測系統(tǒng)設(shè)計[D];天津大學;2010年

9 王瀝;基于改進神經(jīng)網(wǎng)絡(luò)的短時交通流預測研究[D];電子科技大學;2012年

10 胡楓;基于馬爾科夫模型的短時交通流預測研究[D];南京郵電大學;2013年

，

本文編號：1018651