本文關鍵詞：基于改進個性診斷和熱門路段的路況估計

  更多相關文章： 智能交通 實時路況 個性診斷算法 熱門數(shù)據(jù)集 路段速度

【摘要】：個性診斷(Personality Diagnosis,PD)算法只適合應用于離散型空間,應用到連續(xù)型空間時需要先進行離散化處理,導致其應用范圍受限。對個性診斷算法進行改進,并應用到實時路況估計中,提出基于連續(xù)型的個性診斷和熱門路段的路況估計模型(Improved Personality Diagnosis and Popular Road Model,IPDPR)。首先根據(jù)數(shù)據(jù)覆蓋率提取高覆蓋率路段作為基準個性類型;然后判別路網(wǎng)中所有路段的類型,即計算相似性概率;接著根據(jù)相似性概率獲得缺失項的取值概率分布;最后計算概率最大值作為估計值。實驗結果表明,本文所提IPDPR模型估計誤差比概率主成分分析(Probabilistic Principal component analysis,PPCA)算法小53.88%,比滑動平均法小11.47%.
【作者單位】： 華南理工大學經濟與貿易學院;中國電信股份有限公司廣東研究院;
【關鍵詞】： 智能交通 實時路況 個性診斷算法 熱門數(shù)據(jù)集 路段速度
【基金】：國家高技術研究發(fā)展計劃(863計劃)項目(2012AA12A203)
【分類號】：U495
【正文快照】： 1引言近年來,實時路況研究成為智能交通的重要發(fā)展方向之一,在對實時路況數(shù)據(jù)進行挖掘的基礎上,可以實現(xiàn)動態(tài)路徑誘導[1-3]、路況周期模式識別[4-6]、擁堵模式識別[7,8]等應用。目前,實時路況信息采集系統(tǒng)大多建立在浮動車技術的基礎上,浮動車車載終端以固定的時間間隔向服務

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 曾偉良;何兆成;沙志仁;佘錫偉;;結合卡爾曼濾波的城市路段速度估計[J];測繪科學;2013年01期

2 楊兆升;王媛;管青;;基于支持向量機方法的短時交通流量預測方法[J];吉林大學學報(工學版);2006年06期

3 姚智勝;邵春福;熊志華;岳昊;;基于主成分分析和支持向量機的道路網(wǎng)短時交通流量預測[J];吉林大學學報(工學版);2008年01期

4 劉奎恩;肖俊超;丁治明;李明樹;;軌跡數(shù)據(jù)庫中熱門區(qū)域的發(fā)現(xiàn)[J];軟件學報;2013年08期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 趙亞萍;張和生;周卓楠北京交通大學電氣工程學院;楊軍;潘成;賈利民;;基于最小二乘支持向量機的交通流量預測模型[J];北京交通大學學報;2011年02期

2 姜桂艷;常安德;牛世峰;叢玉良;程德明;王秋蘭;;基于BP神經網(wǎng)絡的交通數(shù)據(jù)序列動態(tài)可預測性分析方法[J];北京工業(yè)大學學報;2011年07期

3 王新穎;雋志才;吳慶妍;孫元;;KNN算法的數(shù)據(jù)優(yōu)化策略[J];吉林大學學報(信息科學版);2010年03期

4 楊際祥;譚國真;王凡;田珠;潘東;;實時交通流預測的并行SVR預測方法[J];大連理工大學學報;2010年06期

5 孫占全;潘景山;張贊軍;張立東;丁青艷;;基于主成分分析與支持向量機結合的交通流預測[J];公路交通科技;2009年05期

6 李春貴;徐樹安;閆向磊;溫鑫;張增芳;;結合粒子群算法的小波神經網(wǎng)絡交通流預測[J];廣西工學院學報(自然科學版);2010年03期

7 張利紅;梁英波;李晉;;基于BP神經網(wǎng)絡的軋機油膜厚度補償?shù)臏y試與建模[J];鍛壓技術;2012年04期

8 袁健;范炳全;;交通流短時預測研究進展[J];城市交通;2012年06期

9 王曉華;楊娜;;基于遺傳算法的參數(shù)優(yōu)化估算模型[J];電子世界;2012年24期

10 楊顯立;許倫輝;周勇;;基于小波神經網(wǎng)絡的道路交通流量實時預測模型研究[J];公路交通技術;2013年05期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 吳利豐;劉思峰;方志耕;;基于新信息優(yōu)先主成分回歸的多參數(shù)復雜裝備費用預測[A];第十四屆中國管理科學學術年會論文集(上冊)[C];2012年

2 楊錦偉;肖新平;郭金海;;基于灰關聯(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10條

1 董春嬌;多狀態(tài)下城市快速路網(wǎng)交通流短時預測理論與方法研究[D];北京交通大學;2011年

2 彭光金;小樣本工程造價數(shù)據(jù)的智能學習方法及其在輸變電工程中的應用研究[D];重慶大學;2010年

3 胡家興;基于違法數(shù)據(jù)分析的道路交通安全管理決策研究與應用[D];大連海事大學;2011年

4 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

5 馮金巧;城市道路交通擁擠預測關鍵技術研究[D];吉林大學;2008年

6 王媛;大范圍戰(zhàn)略交通協(xié)調控制系統(tǒng)關鍵技術研究[D];吉林大學;2009年

7 龔勃文;大規(guī)模路網(wǎng)下中心式動態(tài)交通誘導系統(tǒng)關鍵技術研究[D];吉林大學;2010年

8 王凡;基于支持向量機的交通流預測方法研究[D];大連理工大學;2010年

9 劉明君;基于混合交通流的信號交叉口機動車車頭時距研究[D];北京交通大學;2010年

10 靳引利;省域高速公路網(wǎng)交通誘導系統(tǒng)關鍵技術研究[D];長安大學;2009年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 別兆東;濰坊至日照高速公路建設項目可行性研究[D];哈爾濱工程大學;2010年

2 毛小飛;基于小波包分析和支持向量回歸機的交通流量預測方法研究[D];西華大學;2011年

3 鄺朝劍;基于浮動車數(shù)據(jù)的物流配送路況預測研究[D];華南理工大學;2011年

4 潘羅敏;地鐵短時客流量預測預警研究[D];首都經濟貿易大學;2011年

5 姜ei聞;城市道路交通流監(jiān)控及短時預測技術研究[D];西南交通大學;2011年

6 劉林;基于LSSVM的短期交通流預測研究與應用[D];西南交通大學;2011年

7 徐永俊;基于混沌和SVR的短時交通流預測方法研究[D];西南交通大學;2011年

8 吳方國;采用低頻采樣浮動車數(shù)據(jù)的城市路段行程時間估計與預測[D];浙江工業(yè)大學;2010年

9 呂兵兵;基于穩(wěn)健統(tǒng)計的公路短時交通流“機理+辨識”策略研究[D];天津大學;2010年

10 易良友;道路交通流量數(shù)據(jù)處理與預測模型研究[D];重慶大學;2011年

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 姚智勝;邵春福;高永亮;;基于支持向量回歸機的交通狀態(tài)短時預測方法研究[J];北京交通大學學報;2006年03期

2 林娜;李志;王斌;;一種綜合地圖匹配算法的設計與實現(xiàn)[J];測繪科學;2008年02期

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

4 陳浩,陳立輝,畢篤彥,毛柏鑫;BP網(wǎng)絡和支持向量機在非線性函數(shù)逼近中的應用[J];航空計算技術;2004年03期

5 溫惠英;徐建閩;傅惠;;基于灰色關聯(lián)分析的路段行程時間卡爾曼濾波預測算法[J];華南理工大學學報(自然科學版);2006年09期

6 楊兆升;王媛;管青;;基于支持向量機方法的短時交通流量預測方法[J];吉林大學學報(工學版);2006年06期

7 姜桂艷;常安德;張瑋;;基于GPS浮動車的路段行程時間估計方法比較[J];吉林大學學報(工學版);2009年S2期

8 姜桂艷;張瑋;常安德;;基于GPS浮動車的交通信息采集系統(tǒng)的數(shù)據(jù)組織方法[J];吉林大學學報(工學版);2010年02期

9 孫棣華,張星霞,張志良;地圖匹配技術及其在智能交通系統(tǒng)中的應用[J];計算機工程與應用;2005年20期

10 錢寒峰;林航飛;楊東援;;浮動車車速處理分析系統(tǒng)中的數(shù)據(jù)融合技術[J];計算機工程與應用;2007年31期

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 董均宇;基于GPS浮動車的城市路段平均速度估計技術研究[D];重慶大學;2006年

，

本文編號：542004