【摘要】：采用上海市五角場地區(qū)的停車泊位檢測數(shù)據(jù),分析了商業(yè)、辦公和體育場3種不同類型停車場泊位占有率(parking occupancy rate,POR)的時變特征,并評價了ARIMA(autoregressive integrated moving average)、卡爾曼濾波和BP(back propagation)神經(jīng)網(wǎng)絡(luò)等3種常用方法在POR預(yù)測中的適用性.結(jié)果表明,ARIMA和BP神經(jīng)網(wǎng)絡(luò)的預(yù)測精度總體優(yōu)于卡爾曼濾波,BP神經(jīng)網(wǎng)絡(luò)在商業(yè)和辦公停車場的短時預(yù)測中有較好的精度;3種方法的預(yù)測精度均隨預(yù)測時間步長的增加而逐漸降低;不同類型停車場的POR預(yù)測精度存在較大差異,工作日的預(yù)測精度一般高于非工作日,且模型具有較好的自適應(yīng)性.
[Abstract]:Based on the parking berth detection data of Wujiuchang area in Shanghai, this paper analyzes the time-varying characteristics of parking berth occupancy rate (parking occupancy rate,POR) of three different types of parking lots: commercial, office and stadium. The applicability of ARIMA (autoregressive integrated moving average), Kalman filter and BP (back propagation) neural network in POR prediction is evaluated. The results show that the prediction accuracy of Arima and BP neural networks is better than that of Kalman filter BP neural network in the short-term prediction of commercial and office parking lots. The prediction accuracy of POR in different types of parking lots is quite different. The prediction accuracy of working day is generally higher than that of non-working day, and the model has good adaptability.
【作者單位】： 同濟大學(xué)道路與交通工程教育部重點實驗室;
【基金】：“十二五”國家科技支撐計劃(2014BAG03B02)
【分類號】：U491.7

【相似文獻】

相關(guān)期刊論文 前3條

1 宋俊;許軼博;;基于神經(jīng)網(wǎng)絡(luò)模型與最短路徑模型下的公交路線設(shè)計[J];硅谷;2013年07期

2 翁建玲;;基于神經(jīng)網(wǎng)絡(luò)模型的軟基工后變形分析[J];山西建筑;2007年04期

3 ;[J];;年期

相關(guān)會議論文 前1條

1 趙志理;李煒;王虎平;劉波;;基于超強學(xué)習(xí)機的交通客流預(yù)測方法研究[A];第九屆中國不確定系統(tǒng)年會、第五屆中國智能計算大會、第十三屆中國青年信息與管理學(xué)者大會論文集[C];2011年

相關(guān)碩士學(xué)位論文 前1條

1 付春芬;基于深度學(xué)習(xí)的安全帶檢測方法研究[D];華中科技大學(xué);2015年

，

本文編號：2260440