短时交通流预测建模因素和建模策略

被引：3

作者：

李雁 ^{[1
]}

陆海亭 ^{[2
]}

张宁 ^{[2
]}

机构：

[1] 南京市建委城市建设处

[2] 东南大学教育部智能运输系统工程研究中心

来源：

公路 | 2010年 / 04期

关键词：

短时交通流; 预测建模; 影响因素; 建模策略;

D O I：

暂无

中图分类号：

U495 [电子计算机在公路运输和公路工程中的应用];

学科分类号：

0838 ;

摘要：

实时准确可靠的短时交通流预测是智能运输系统的基础。根据短时交通流预测建模的研究现状,探讨了影响短时交通流预测建模的七个方面要素,进而提出了短时交通流预测的"四阶段法"建模策略。对短时交通流预测建模的梳理有助于改进现有模型以及研发新的模型。

引用

收藏

页码：130 / 133

页数：4

相关论文

共 7 条

[1] 基于投影寻踪自回归的短时交通流预测
王晓原
刘海红
[J]. 系统工程, 2006, (03) : 20 - 24
[2] 交通流预测方法综述
刘静
关伟
[J]. 公路交通科技, 2004, (03) : 82 - 85
[3] Use of sequential learning for short-term traffic flow forecasting
Chen, H
Grant-Muller, S
[J]. TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES, 2001, 9 (05) : 319 - 336
[4] Forecasting Multiple-Period Freeway Link Travel Times Using Modular Neural Networks[J] . Dongjoo Park,Laurence R. Rilett.Transportation Research Record . 1998 (1)
[5] An urban traffic flow model integrating neural networks
Ledoux, C
[J]. TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES, 1997, 5 (05) : 287 - 300
[6] Short-term inter-urban traffic forecasts using neural networks
Dougherty, MS
Cobbett, MR
[J]. INTERNATIONAL JOURNAL OF FORECASTING, 1997, 13 (01) : 21 - 31
[7] Neural-network models for classification and forecasting of freeway traffic flow stability
Florio, L
Mussone, L
[J]. CONTROL ENGINEERING PRACTICE, 1996, 4 (02) : 153 - 164