基于相空间重构及Elman网络的停车泊位数据预测

被引：52

作者：

陈群 ^{[1
]}

晏克非 ^{[1
]}

王仁涛 ^{[2
]}

莫一魁 ^{[1
]}

机构：

[1] 同济大学道路与交通工程教育部重点实验室

[2] 同济大学经济与管理学院

来源：

同济大学学报(自然科学版) | 2007年 / 05期

关键词：

停车诱导系统; 短时空余停车泊位; 预测; 相空间重构; Elman神经网络;

D O I：

暂无

中图分类号：

U491.7 [车辆停厝];

学科分类号：

082301 [道路与铁道工程];

摘要：

针对停车诱导系统(PGIS)中短时空余停车泊位时间序列数据预测问题,提出应用相空间重构与Elman神经网络相结合的方法来进行预测.首先分析了相空间重构的技术原理,在此基础上导出时间序列预测模型,并以El-man神经网络训练模拟该模型.介绍了相空间重构与Elman神经网络相结合的预测方法的具体实现过程与步骤,提出了短时空余停车泊位数据的预测效果评价指标.通过预测实例表明,该方法用于停车诱导系统中短时空余停车泊位数据的预测具有较好的预测准确性和有效性.

引用

页码：607 / 611

页数：5