悉尼自适应交通控制系统线圈数据短时多步预测双层模型

被引：4

作者：

李琦 ^{[1
,2
]}

姜桂艳 ^{[3
]}

机构：

[1] 吉林大学交通学院

[2] 青岛市城市规划设计研究院

[3] 宁波大学海运学院

来源：

吉林大学学报(工学版) | 2013年 / 04期

基金：

浙江省自然科学基金; 高等学校博士学科点专项科研基金;

关键词：

交通运输系统工程; 悉尼自适应交通控制系统; 短时交通预测; 动态神经网络; 多步预测;

D O I：

暂无

中图分类号：

U491 [交通工程与交通管理];

学科分类号：

082302 ; 082303 ;

摘要：

为了进一步改善悉尼自适应交通控制系统(Sydney coordinated adaptive traffic system,SCATS)线圈数据短时多步预测的效果,在对SCATS线圈数据进行预处理的基础上,设计了一种基于动态神经网络的短时多步预测双层模型,包括基于NARX(Nonlinear autoregressive model with exogenous inputs)神经网络的多步预测方法以及基于FTD(Focused time-delay)神经网络的可预测步数在线估计方法,并采用某特大城市SCATS线圈实测数据进行了验证和对比分析。结果表明:本文方法能够进一步降低SCATS线圈数据短时多步预测的误差。

引用

页码：854 / 860

页数：7

共 12 条

[1] 基于BP神经网络的交通数据序列动态可预测性分析方法 [J].

姜桂艳 ;

常安德 ;

牛世峰 ;

丛玉良 ;

程德明 ;

王秋兰 .

北京工业大学学报, 2011, 37 (07) :1019-1026

[2] SCATS数据采集系统的设计与实现 [J].

彭信林 ;

王宁鸣 ;

周剑峰 ;

王景成 ;

徐文艳 .

计算机工程, 2008, 34 (24) :256-257+260

[3] 基于主成分分析和支持向量机的道路网短时交通流量预测 [J].

姚智胜 ;

邵春福 ;

熊志华 ;

岳昊 .

吉林大学学报(工学版), 2008, (01) :48-52

[4]

基于SCATS线圈数据的交通状态在线定量评价与预测方法[P]. 姜桂艳;李琦;常安德;牛世峰;杨兆升;李红伟;李明涛;李继伟;吴正言;张伟;张玮;张春勤;姜卉;孟志强;唐永勇.中国专利:CN101739814A,2010-06-16

[5]

道路交通状态判别技术与应用[M]. 人民交通出版社 , 姜桂艳著, 2004

[6]

SPSS统计分析方法及应用[M]. 电子工业出版社 , 薛薇编著, 2004

[7]

城市交通控制[M]. 人民交通出版社 , 全永编著, 1989

[8] Road traffic freight volume forecast using support vector machine combining forecasting [J].

Gao S. ;

Zhang Z. ;

Cao C. .

Journal of Software, 2011, 6 (09) :1680-1687

[9]

Forecasting peak air pollution levels using NARX models[J] . Enrico Pisoni,Marcello Farina,Claudio Carnevale,Luigi Piroddi.Engineering Applications of Artificial Intelligence . 2009 (4)

[10] Comparison of parametric and nonparametric models for traffic flow forecasting [J].

Smith, BL ;

Williams, BM ;

Oswald, RK .

TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES, 2002, 10 (04) :303-321

← 1 2 →