本文選題：交通狀態(tài) + 預(yù)測��； 參考：《物理學(xué)報(bào)》2014年14期

【摘要】：交通狀態(tài)預(yù)測是交通流誘導(dǎo)和交通信息發(fā)布系統(tǒng)的重要依據(jù).本文提出了一種基于能力區(qū)域的城市快速路交通狀態(tài)預(yù)測方法,該方法通過構(gòu)建神經(jīng)網(wǎng)絡(luò)分類器的能力區(qū)域,根據(jù)樣本數(shù)據(jù)與交通狀態(tài)類簇之間的空間距離,預(yù)測道路交通狀態(tài)等級.神經(jīng)網(wǎng)絡(luò)分類器的能力區(qū)域能夠有效融合時(shí)間、空間等多種特征,并且不需要考慮各特征之間的相關(guān)性,具有很強(qiáng)的適應(yīng)性.實(shí)驗(yàn)結(jié)果表明,與經(jīng)典的預(yù)測方法相比,其預(yù)測誤差明顯降低,均等系數(shù)增大,基于能力區(qū)域的方法預(yù)測交通狀態(tài)具有較高的準(zhǔn)確性.
[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.
【作者單位】： 東南大學(xué)城市智能交通江蘇省重點(diǎn)實(shí)驗(yàn)室;現(xiàn)代城市交通技術(shù)江蘇高校協(xié)同創(chuàng)新中心;
【基金】：國家高技術(shù)研究發(fā)展計(jì)劃(批準(zhǔn)號:2011AA110302) 江蘇省普通高校研究生科研創(chuàng)新計(jì)劃(批準(zhǔn)號:CXZZ13_0119)資助的課題~~
【分類號】：U491.14

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 齊馳;侯忠生;;自適應(yīng)單指數(shù)平滑法在短期交通流預(yù)測中的應(yīng)用[J];控制理論與應(yīng)用;2012年04期

2 馬林才;許瑋瓏;劉大學(xué);;基于小波變換的城市市區(qū)典型路段交通流量預(yù)測[J];控制與決策;2011年05期

3 謝軍;吳偉;楊曉光;;用于短時(shí)交通流預(yù)測的多項(xiàng)式分布滯后模型[J];同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年09期

4 叢蕊;劉樹林;馬銳;;基于數(shù)據(jù)融合的多變量相空間重構(gòu)方法[J];物理學(xué)報(bào);2008年12期

5 張勇;關(guān)偉;;基于最大Lyapunov指數(shù)的多變量混沌時(shí)間序列預(yù)測[J];物理學(xué)報(bào);2009年02期

6 沈國江;王嘯虎;孔祥杰;;短時(shí)交通流量智能組合預(yù)測模型及應(yīng)用[J];系統(tǒng)工程理論與實(shí)踐;2011年03期

7 董宏輝;賈利民;孫曉亮;李晨曦;秦勇;郭敏;;基于最大熵模型的城市快速路交通狀態(tài)預(yù)測方法研究[J];交通運(yùn)輸系統(tǒng)工程與信息;2010年02期

8 姚智勝;邵春福;;基于狀態(tài)空間模型的道路交通狀態(tài)多點(diǎn)時(shí)間序列預(yù)測[J];中國公路學(xué)報(bào);2007年04期

9 臧利林;賈磊;楊立才;劉濤;;交通流實(shí)時(shí)預(yù)測的混沌時(shí)間序列模型[J];中國公路學(xué)報(bào);2007年06期

10 馬慶祿;劉衛(wèi)寧;孫棣華;;道路交通流狀態(tài)的多參數(shù)融合預(yù)測方法[J];物理學(xué)報(bào);2012年16期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王殿海;陳松;魏強(qiáng);王京;;基于二流理論的路網(wǎng)宏觀交通狀態(tài)判斷模型[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期

2 王建;鄧衛(wèi);趙金寶;;基于改進(jìn)型貝葉斯組合模型的短時(shí)交通流量預(yù)測[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

3 李松;劉力軍;郭海玲;;短時(shí)交通流混沌預(yù)測方法的比較[J];系統(tǒng)工程;2009年09期

4 曹政才;韓丁富;王永吉;;面向城市交通網(wǎng)絡(luò)的一種新型動(dòng)態(tài)路徑尋優(yōu)方法[J];電子學(xué)報(bào);2012年10期

5 姜桂艷;王秋蘭;李琦;;基于多時(shí)間尺度一步外推的短時(shí)交通參數(shù)多步預(yù)測方法[J];公路交通科技;2013年02期

6 趙建忠;徐廷學(xué);葛先軍;尹延濤;;基于小波變換和GM-ARMA的導(dǎo)彈備件消耗預(yù)測[J];北京航空航天大學(xué)學(xué)報(bào);2013年04期

7 張冬梅;王艷輝;徐杰;李曼;;區(qū)域交通安全傾向性預(yù)測模型研究[J];公路;2013年05期

8 滕云;田陽;李輝;蘇蔚;余偉成;;絕緣子等值鹽密的組合預(yù)測模型[J];高電壓技術(shù);2013年06期

9 張秋余;朱學(xué)明;;基于GA-Elman神經(jīng)網(wǎng)絡(luò)的交通流短時(shí)預(yù)測方法[J];蘭州理工大學(xué)學(xué)報(bào);2013年03期

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

相關(guān)會議論文 前2條

1 鄧明榮;沈祖志;鄭靜靜;;基于情境知識城市交通實(shí)時(shí)路況分析與預(yù)報(bào)[A];第五屆（2010）中國管理學(xué)年會——管理科學(xué)與工程分會場論文集[C];2010年

2 余碧瑩;邵春福;;基于時(shí)空模型的道路網(wǎng)交通狀態(tài)預(yù)測[A];2008第四屆中國智能交通年會論文集[C];2008年

相關(guān)博士學(xué)位論文 前10條

1 倪同和;道路交通規(guī)劃關(guān)鍵指標(biāo)預(yù)測方法研究[D];吉林大學(xué);2011年

2 姚琛;基于信息提取計(jì)算的動(dòng)態(tài)交通數(shù)據(jù)分析及應(yīng)用[D];西南交通大學(xué);2011年

3 王揚(yáng);風(fēng)電短期預(yù)測及其并網(wǎng)調(diào)度方法研究[D];浙江大學(xué);2011年

4 李剛;瓦斯?jié)舛鹊姆中畏治雠c混沌預(yù)測模型研究[D];中國礦業(yè)大學(xué)（北京）;2009年

5 王新穎;基于網(wǎng)格的短時(shí)交通狀態(tài)預(yù)測研究[D];吉林大學(xué);2010年

6 楊飛;基于回聲狀態(tài)網(wǎng)絡(luò)的交通流預(yù)測模型及其相關(guān)研究[D];北京郵電大學(xué);2012年

7 馬慶祿;基于混沌理論的交通狀態(tài)預(yù)測研究[D];重慶大學(xué);2012年

8 王智磊;降雨影響敏感型滑坡變形動(dòng)態(tài)預(yù)測方法及排水洞效果研究[D];浙江大學(xué);2012年

9 張學(xué)清;風(fēng)電預(yù)測、協(xié)同調(diào)度及電網(wǎng)電壓安全評估研究[D];山東大學(xué);2013年

10 朱琳;城市快速路交通態(tài)勢評估理論與方法研究[D];北京交通大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 穆大蕓;多變量時(shí)間序列預(yù)測與儲備池優(yōu)化方法研究[D];大連理工大學(xué);2010年

2 魏強(qiáng);基于固定檢測器的區(qū)域交通狀態(tài)判別方法研究[D];吉林大學(xué);2011年

3 陳松;基于二流理論的城市路網(wǎng)敏感區(qū)域交通需求控制研究[D];吉林大學(xué);2011年

4 毛小飛;基于小波包分析和支持向量回歸機(jī)的交通流量預(yù)測方法研究[D];西華大學(xué);2011年

5 劉琦;基于LS-SVM的時(shí)間序列預(yù)測方法及其應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2011年

6 王志偉;公路隧道照明系統(tǒng)節(jié)能技術(shù)研究[D];華東交通大學(xué);2011年

7 李健;城市中心區(qū)交叉口流量時(shí)變特征研究[D];同濟(jì)大學(xué);2008年

8 王亞楠;基于儲備池方法的多變量序列預(yù)測建模研究[D];大連理工大學(xué);2009年

9 徐尚義;雙車道混合交通流時(shí)間序列復(fù)雜性分析[D];北京交通大學(xué);2010年

10 張菁菁;基于浮動(dòng)車數(shù)據(jù)的城市快速路短時(shí)交通狀態(tài)預(yù)測的研究[D];北京交通大學(xué);2012年

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王毅;汪洋;蔡華;;基于小波變換的逐步線性回歸分析預(yù)測大壩位移[J];測繪信息與工程;2008年04期

2 楊芳明;朱順應(yīng);;基于小波的短時(shí)交通流預(yù)測[J];重慶交通學(xué)院學(xué)報(bào);2006年03期

3 王海燕,盛昭瀚,張進(jìn);多變量時(shí)間序列復(fù)雜系統(tǒng)的相空間重構(gòu)[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年01期

4 陳淑燕,王煒,瞿高峰;短時(shí)交通量時(shí)間序列的小波分析-模糊馬爾柯夫預(yù)測方法[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年04期

5 陳淑燕;王煒;李文勇;;實(shí)時(shí)交通數(shù)據(jù)的噪聲識別和消噪方法[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年02期

6 李英,劉豹,馬壽峰;交通流時(shí)間序列中混沌特性判定的替代數(shù)據(jù)方法[J];系統(tǒng)工程;2000年06期

7 賀國光,萬興義,王東山;基于跟馳模型的交通流混沌研究[J];系統(tǒng)工程;2003年02期

8 王正武,黃中祥;短時(shí)交通流預(yù)測模型的分析與評價(jià)[J];系統(tǒng)工程;2003年06期

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

10 秦中元,牟軒沁,洪偉;基于小波變換的交通車流密度分析[J];公路交通科技;2001年01期

相關(guān)博士學(xué)位論文 前1條

1 李星毅;基于相似性的交通流分析方法[D];北京交通大學(xué);2010年

相關(guān)碩士學(xué)位論文 前1條

1 Q，

本文編號：2109298