短时车流量组合预测模型
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:


Integrated forecasting model for short-term traffic flow
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    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.

    Abstract:

    With the continuous increase of road vehicles,occasional congestion caused by traffic accidents seriously affect the commuting efficiency of traveler and the overall operation level of road network.Real-time and exact forecasting of short-term traffic flow volume is the key point to intelligent traffic system and precondition to solve the congestion situation by route guidance and clearing.According to the uncertain and non-linear features of traffic volume,a model integrated of the improved BP neural network and autoregressive integrated moving average (ARIMA) model is established to forecast the short-term traffic flow.The case application result shows that the combined model has an advantage over the single models in forecasting performance and forecasting accuracy.

    参考文献
    相似文献
    引证文献
引用本文

张凯,卢邹颖.短时车流量组合预测模型[J].南京信息工程大学学报(自然科学版),2013,5(5):414-420
ZHANG Kai, LU Zouying. Integrated forecasting model for short-term traffic flow[J]. Journal of Nanjing University of Information Science & Technology, 2013,5(5):414-420

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2012-03-22
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期:
  • 出版日期:

地址:江苏省南京市宁六路219号    邮编:210044

联系电话:025-58731025    E-mail:nxdxb@nuist.edu.cn

南京信息工程大学学报 ® 2024 版权所有  技术支持:北京勤云科技发展有限公司