共被期刊论文引用了3次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于ARMA-SVR的短时交通流量预测模型研究显示文摘短时交通流量预测是辅助智能交通系统进行决策,解决拥堵问题,提高道路通行能力的关键任务。为提高模型对于小样本数据的拟合效果及速度,并充分挖掘交通流序列中存在的线性与非线性关系,将对于线性数据具备良好拟合效果,并且时间复杂度较低的自回归滑动平均(ARMA)模型与对于非线性、小样本数据具有计算准确率高、时间复杂度低等优势的支持向量回归(SVR)模型进行组合,提出一种残差优化组合预测模型。采用赤池信息准则对ARMA模型进行定阶,实现交通流量的线性拟合,并得到相应的残差序列。然后将重构后的残差序列作为SVR模型的输入,对残差序列进行预测,以补偿交通流量数据中的非线性变化。将ARMA、SVR、长短期记忆网络、人工神经网络及ARMA-SVR加权组合模型作为对照组进行模型评价。结果表明:样本的时间间隔分别为5,10,15 min时,ARMA-SVR残差优化组合模型的均方根误差(RMSE)及平均绝对误差(MAE)均小于对照组模型,RMSE降低约0.378~7.063,MAE降低约0.054~0.802;ARMA-SVR残差优化组合模型在不同的样本时间间隔下均具备较高的预测能力、较低的时间复杂度及数据计算成本,可以满足基于不同样本时间间隔的交通流量预测的需要。 | 王博文 王景升 朱茵 王统一 张泽有 | 2021 | 公路交通科技2021，38，11： | 13 |
| 2 | 城市道路短期交通流预测VHSSA模型显示文摘针对出行者出行时对交通信息预报以及动态路径规划的要求,对路段的历史交通流时间序列数据进行了研究,利用城市路段交通流的周期相似性特征提出了基于纵横序列相似性的短期交通流预测VHSSA模型,该模型克服了以往预测模型只考虑纵向时间序列周期性相似的缺陷,将全时间序列数据进行小波变换后分解为反映基本变化规律的基序列和反映波动变化情况的波动序列,既可只进行基序列预测,也可通过置信区间对波动序列进行修正,再与基序列叠加进行全序列预测。经试例验证,VHSSA模型和基于纵向序列相似性的VSSA模型分别与实测序列的基序列和全序列进行比对,VHSSA模型的预测效果总体优于VSSA模型,误差可满足实际要求。 | 袁健 范炳全 | 2014 | 公路交通科技2014，31，5： | 8 |
| 3 | 短时交通流预测FSMSVR模型显示文摘针对城市道路短时交通流的复杂非线性特点和以往的预测仅考虑典型交通条件(无交通事故等突发事件)的现状,结合交通流的特征,提出了一种有限状态机支持向量回归模型(finite state machine of support vector regression model,FSMSVR)的短时交通流预测机制.通过线性回归算法和指数平滑算法划分交通流状态,根据各状态特点结合支持向量回归算法建立有限状态机工作机制,实现涵盖典型和非典型交通条件的短时交通流预测.通过实验例证,对比了FSMSVR模型和传统SVR模型对城市道路6min交通流的预测,研究结果表明,该预测机制能够提高预测精确度,在非典型条件下有着较好的预测表现. | 袁健 李茂同 范炳全 | 2014 | 系统工程理论与实践2014，34，6： | 2 |
您所在的机构暂未开通此部分的功能，请联系管理员