南京信息工程大学学报
南京信息工程大學學報
남경신식공정대학학보
JOURNAL OF NANJING UNIVERSITY OF INFORMATION SCIENCE & TECHNOLOGY
2013年
5期
414-420
,共7页
车流量预测%BP神经网络%差分自回归移动平均模型%组合预测
車流量預測%BP神經網絡%差分自迴歸移動平均模型%組閤預測
차류량예측%BP신경망락%차분자회귀이동평균모형%조합예측
traffic flow forecasting%BP neural network%ARIMA model%integrated forecasting
随着道路车量不断增多,由交通异常事件造成的非正常拥堵情况严重影响了出行者的出行效率和路网的整体运行水平.因此,需要准确及时地检测出非正常拥堵情况,通过诱导、疏通等方式改善拥堵状况.对车流量的准确预测是检测非正常拥堵的有效方法.根据交通流量的不确定性和非线性的特点,将改进的BP神经网络模型和ARIMA模型进行组合,建立组合预测模型.实验结果表明,组合模型的预测结果比单个模型的预测结果理想,且达到较高的预测精度.
隨著道路車量不斷增多,由交通異常事件造成的非正常擁堵情況嚴重影響瞭齣行者的齣行效率和路網的整體運行水平.因此,需要準確及時地檢測齣非正常擁堵情況,通過誘導、疏通等方式改善擁堵狀況.對車流量的準確預測是檢測非正常擁堵的有效方法.根據交通流量的不確定性和非線性的特點,將改進的BP神經網絡模型和ARIMA模型進行組閤,建立組閤預測模型.實驗結果錶明,組閤模型的預測結果比單箇模型的預測結果理想,且達到較高的預測精度.
수착도로차량불단증다,유교통이상사건조성적비정상옹도정황엄중영향료출행자적출행효솔화로망적정체운행수평.인차,수요준학급시지검측출비정상옹도정황,통과유도、소통등방식개선옹도상황.대차류량적준학예측시검측비정상옹도적유효방법.근거교통류량적불학정성화비선성적특점,장개진적BP신경망락모형화ARIMA모형진행조합,건립조합예측모형.실험결과표명,조합모형적예측결과비단개모형적예측결과이상,차체도교고적예측정도.
