公共文化服务平台

搜索到1589篇“ 短时交通流“的相关文章

一种短时交通流预测方法及系统: 本申请涉及智能交通系统技术领域，具体提供了一种短时交通流预测方法及系统，所述方法包括：获取交通流序列；通过集合经验模态分解法对所述交通流序列进行分解重构，得到多个交通流序列分量和剩余分量；根据动态时间规整算法计算所述交通...; 陈向宇束云峰刘浩章马筱栎

基于时间序列模型的短时交通流预测方法: 2025年; 为给应急交通指挥方案的制定提供可靠的参考数据,提出一个基于时间序列模型的短时交通流预测方法.首先将环形线圈感应器埋设在道路之下,采集过往车辆的交通流数据,并实施错误数据处理和缺失数据填补处理.然后利用k-means算法实现交通流数据聚类,计算分割阈值,完成交通流数据离散化.最后用时间序列模型中的移动平均法构建预测模型,实现短时交通流预测.结果表明,该方法降低了预测误差,预测值与实测值更为接近,因此准确性更高.; 周原; 关键词：时间序列模型交通流数据采集预处理离散化交通流预测

一种基于深度学习的短时交通流预测方法: 本发明属于智能交通领域技术领域，并公开了一种基于深度学习的短时交通流预测方法，包括：获取待测区域的历史数据，构建短时交通流预测模型，提取短时交通流预测模型所包括的超参数组合，基于历史数据对各超参数组合对应的短时交通流预测...; 肖洪波肖捡花丁黎明米春桥邓小武

短时交通流预测在智慧交通中的应用: 2025年; 随着城市交通拥堵问题的日益严重,短时交通流预测技术在改善交通状况、提升道路使用效率方面展现出了巨大的潜力。特别是在实现车辆绿波通行策略中,短时交通流预测起到了核心作用。本文首先介绍了短时交通流预测的基本概念及其在智慧交通中的重要性,随后分析了当前主流的短时交通流预测方法,包括基于机器学习的模型、时间序列分析方法以及混合模型等。探讨了如何将短时交通流预测技术有效融入车辆通行策略中,以实现交通信号灯的动态优化调整,减少车辆等待时间,提高道路通行效率。最后,讨论了短时交通流预测技术在智慧交通中应用面临的挑战与未来发展方向。; 仓宇航王伯礼苏童; 关键词：短时交通流预测

一种变系数灰色模型短时交通流预测方法: 本发明涉及一种变系数灰色模型短时交通流预测方法，属于交通预测技术领域，包括以下步骤：S1：基于交通流数据建立初始交通流序列，得到目标交通流量序列；S2：对原始交通流序列进行预处理，即计算一阶累加生成序列，n阶累减生成序列...; 段辉明宋雨芯谢德荣程云龙周琪琦何成琳

基于VMD多阶段优化的短时交通流预测研究: 2025年; 针对交通流数据存在的随机性与非线性等导致短时交通流预测精度不高的问题,给出一种多阶段优化策略和改进澳洲野狗算法(Improved Dingo Optimization Algorithm, IDOA)优化LSSVM、LSTM和XGBoost参数的组合预测模型(MO-IDOA-LLX)。使用变分模态分解(Variational Modal Decomposition, VMD)将交通流分解,借助样本熵(Sample Entropy, SE)将子序列重组,得到趋势、细节和随机分量并采用相空间重构算法(Phase Space Reconstruction, PSR)对其进行处理。通过4个基准函数验证IDOA算法性能。对重构后的分量分别建立IDOA-LSSVM,IDOA-LSTM以及IDOA-XGBoost三个子模型,叠加各子模型的预测值得到预测结果。实验结果表明:其它预测模型相比,上述模型预测精度均有不同程度的提升,输出的预测结果更接近真实值。; 陈以齐兴宇胡水源姚宇琛; 关键词：短时交通流预测

一种基于数据波动性的短时交通流预测方法: 本发明涉及一种基于数据波动性的短时交通流预测方法，属于短时交通预测领域，包括以下步骤：S1：根据设定的采集周期采集历史的交通流数据，得到初始矩阵序列；S2：根据初始矩阵序列，计算一阶累加序列、一阶累减序列以及偏导数序列；...; 段辉明周琪琦程云龙谢德荣何成琳宋雨芯

基于改进随机森林算法的短时交通流预测研究: 2025年; 针对高速公路智能管控中对短时交通流预测的关键需求,本文提出了一种通过粒子群优化算法对随机森林模型进行参数寻优的组合预测模型(PSO-RF)。引入粒子群算法对随机森林模型进行优化,确定随机森林参数的最优组合,从而构建基于粒子群优化算法的随机森林模型,并使用多模型对比的方式对多时间尺度下的交通流数据进行了预测。实验结果表明,PSO-RF模型在高速公路短时交通流预测领域具有卓越的性能。; 王攀赖莉娟; 关键词：智能交通交通流预测粒子群算法

CPO-BiLSTM模型在短时交通流预测中的应用: 2025年; 短时交通流预测是智能交通系统的核心,可以有效减缓交通拥堵、提升应急响应效率。为进一步提高短时交通流量的预测精度,提出一种基于冠豪猪优化算法-双向长短期记忆网络(CPO-BiLSTM)的组合模型。该模型利用冠豪猪优化算法(CPO)的动态适应和全局均衡特性对双向长短期记忆网络(BiLSTM)的超参数进行寻优赋值,进而提升模型的泛化能力与训练效率。采用公路交通流数据集,将CPO-BiLTM模型与其他预测模型进行训练和测试比对分析,结果表明CPO-BiLSTM拥有更好的时间序列数据拟合能力,其平均绝对误差为16.8982、均方根误差为23.4424、决定系数为0.98229、剩余预测偏差为7.5159、平均绝对百分比误差为3.4243%,均为最优项,说明该模型能够有效提高预测的准确度和可靠性。; 庄伟卿余晗彧; 关键词：公路交通智能交通系统短时交通流预测

一种基于多特征图的短时交通流预测方法及系统: 本发明公开了一种基于多特征图的短时交通流预测方法及系统，涉及交通流预测技术领域，将道路传感器同时采集的三种数据包括交通流量、占有率以及平均速度的数据分别构建占有率特征图、平均速度特征图以及交通流量特征图，使用GCN聚合三...; 郝俊峰张海涛李玉龙李局石宏泰黄河毛亚男杨文晶邹旺贤

相关作者