面向行程时间预测准确度评价的数据融合方法

被引:9
作者
李慧兵 [1 ,2 ]
杨晓光 [1 ]
机构
[1] 同济大学交通运输工程学院
[2] 上海济祥智能交通有限公司
关键词
行程时间估计值; 准确度评价; BP神经网络; 浮动车数据; 线圈数据;
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
提出BP神经网络融合模型.该模型由三部分组成:初始数据产生模块、BP神经网络数据融合模块、融合结果分析模块.选择四个参数作为该模型的输入变量,其中路段交通流密度和交通量由线圈数据提供,而行程时间估计值与浮动车样本量由浮动车数据提供,并且给出选择这四个参数的依据与原因.最后选择杭州市的一条主干道作为目标路段,采集该路段上的406组数据对该模型进行验证,试验结果表明模型对准确度评价的相对误差仅为4.86%.
引用
收藏
页码:60 / 65
页数:6
相关论文
共 7 条
[1]   嵌入式系统教学体系建设研究 [J].
李平勇 ;
游磊 ;
苏长明 .
教育与教学研究, 2011, 25 (05) :95-98
[2]   临床检验准确度的探讨与评价 [J].
孙立芳 ;
孙永华 .
中国民康医学, 2011, 23 (02) :237+241-237
[3]   基于GPS浮动车的交通信息采集方法 [J].
姜桂艳 ;
常安德 ;
吴超腾 .
吉林大学学报(工学版) , 2010, (04) :971-975
[4]   基于BP网络的浮动车与线圈检测数据融合模型 [J].
熊文华 ;
徐建闽 ;
林思 .
计算机仿真, 2009, 26 (09) :235-238
[5]   面向道路网的浮动车最小覆盖率模型 [J].
周舒杰 ;
廖孝勇 ;
赵敏 ;
孙棣华 .
重庆工学院学报(自然科学版), 2009, 23 (04) :11-14
[6]   移动交通检测系统中探测车的样本数量 [J].
张存保 ;
杨晓光 ;
严新平 .
中国公路学报, 2007, (01) :96-101
[7]   Assessing expected accuracy of probe vehicle travel time reports [J].
Hellinga, B ;
Fu, LP .
JOURNAL OF TRANSPORTATION ENGINEERING, 1999, 125 (06) :524-530