基于交通数据融合技术的行程时间预测模型

被引：15

作者：

李嘉 ^{[1
]}

刘春华 ^{[2
]}

胡赛阳 ^{[3
]}

王芳 ^{[1
]}

机构：

[1] 湖南大学土木工程学院

[2] 中土集团福州勘察设计研究院

[3] 清远职业技术学院

来源：

湖南大学学报(自然科学版) | 2014年 / 41卷 / 01期

关键词：

数据融合; 行程时间; 预测模型; 小波神经网络; 遗传算法;

D O I：

暂无

中图分类号：

U491.14 [];

学科分类号：

摘要：

针对当前城市道路行程时间的预测多限于单源数据且预测精度不高的问题,构建了基于浮动车GPS数据、微波检测器交通数据的行程时间预测融合模型.利用遗传算法优化小波神经网络,解决了小波神经网络初始参数选取时盲目与随机性问题,大大提高了网络搜索效率与训练速度.预测行程时间与视频观测数据吻合良好,表明该模型是有效的和可靠的.

引用

页码：33 / 38

页数：6

共 10 条

[1] 基于家庭决策的出行方式选择非集计模型
宗刚
刘文芝
张超
谢卓然
[J]. 湖南大学学报(自然科学版), 2013, 40 (04) : 100 - 103
[2] 基于遗传优化小波神经网络逆模型的油水测量
张冬至
胡国清
[J]. 光学精密工程, 2011, 19 (07) : 1588 - 1595
[3] 基于多源ITS数据的行程时间预测体系框架及核心技术
聂庆慧
夏井新
张韦华
[J]. 东南大学学报(自然科学版), 2011, 41 (01) : 199 - 204
[4] 基于遗传算法的小波神经网络控制器设计
宋清昆
王建双
王慕坤
[J]. 电机与控制学报, 2010, 14 (04) : 102 - 106
[5] 基于神经网络的数据融合方法
王楠
李文成
李岩
[J]. 光机电信息, 2010, 27 (03) : 36 - 42
[6] 城市快速路实时交通状态估计和行程时间预测
徐天东
孙立军
郝媛
[J]. 同济大学学报(自然科学版), 2008, (10) : 1355 - 1361
[7] 基于浮动车移动检测与感应线圈融合技术的行程时间估计模型
邹亮
徐建闽
朱玲湘
温惠英
[J]. 公路交通科技, 2007, (06) : 114 - 117
[8] 基于BP网络的权值更新快速收敛算法
周昌能
余雪丽
[J]. 计算机应用, 2006, (08) : 1940 - 1942
[9] 目标跟踪与数据融合理论及方法.[M].石章松; 等编著.国防工业出版社.2010,
[10] 交互式遗传算法原理及其应用.[M].巩敦卫等; 著.国防工业出版社.2007,

← 1 →