导读:本文包含了城市交通流论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:通流,交通,神经网络,城市交通,前车,城市道路,模型。
城市交通流论文文献综述
刘雪莲,焦新龙,胡筱渊,胡洁,俞恬恬[1]（2019）在《城市交通流动态特性及协调控制方法研究》一文中研究指出交通流量是实现在有限的时间和空间积累的交通需求的结果。由于人、车辆和道路之间的相互关系,交通流量的形成非常复杂。交通流的动态特性主要揭示了速度、密度和流量等3个参数之间的瞬态和稳态关系,以动量方程的形式再现了各种交通拥堵现象。合(本文来源于《交通企业管理》期刊2019年06期）
颜秉洋[2]（2019）在《计及周期性知识的数据驱动城市交通流模糊预测方法研究》一文中研究指出自改革开放以来,国民经济水平大幅度提升,导致我国的机动车保有量急剧上升。机动车在带来交通便利的同时,也导致城市交通状况日益恶化。目前,交通拥堵问题已成为许多城市的发展瓶颈,因此缓解城市交通拥堵问题迫在眉睫。交通流预测通过历史交通流数据对未来时刻的交通流量进行估计,能够有效地提高居民的出行效率,增强执法人员对城市交通的管控,是一种解决城市交通拥堵问题的有效手段。然而,由于受到天气、大气污染等多方面因素的影响,历史交通流数据中存在高度的不确定性以及随机性,这使得准确、合理的预测变得十分困难。针对城市短时交通流量的精确预测问题,本文对计及周期性知识的数据驱动模糊预测方法进行了深入研究,并将其应用于短时交通流预测中。本文的主要工作如下:首先,对目前的主流交通流预测方法进行了概述,介绍了城市交通流预测的特点;随后讨论了五种主流的交通流预测方法,并对上述五种交通流预测方法进行了分析比较;最后对交通流预测方法进行了总结。其次,为了降低历史交通流数据中不确定性的影响,提升交通流预测精度,提出了一种基于自适应模糊推理系统(ANFIS)计及周期性的城市交通流预测混合模型。该模型结合交通流周期性知识和数据驱动的交通流预测模型生成最终预测结果。在该方法中,首先提取交通流数据的周期性知识,将周期性知识从原始交通流数据中移除,然后获得残差数据并将其用于训练交通流预测模型,最后将模型输出和周期性知识结合得到最终的交通流预测结果。其中,数据驱动的交通流预测模型采用ANFIS模型实现。为了验证该方法在城市短时交通流预测中的优越性,进行了2种不同时长的交通流预测实验。实验结果证明,所提出的交通流预测混合模型在不同的短时预测实验中均取得了最好的预测结果,进而证明了所提方法的有效性。最后,针对交通流预测输入变量确定问题及模糊方法输入变量较多时规则爆炸问题,提出了一种基于函数型单输入规则模块模糊推理方法(FWSIRM-FIS)的城市交通流预测混合模型。该模型结合周期性提取方法和FWSIRM-FIS模型产生城市交通流预测最终结果。首先自历史交通流数据中提取交通流周期性,将其从历史数据中移除后得到相应的残差数据,基于残差数据采用偏自相关性分析(PACF)的方法选择最优输入变量,然后利用所得的残差数据对FWSIRM-FIS模型进行训练,最后将FWSIRM-FIS模型的输出与周期性知识相结合生成最终的预测结果。为了验证该混合模型在城市交通流预测中的有效性,将其与叁种交通流预测方法——ANFIS模型、BPNN模型以及剪枝模糊推理系统(PFLFIS)进行了比较。实验结果表明,该模型在不同的城市短时交通流预测实验中都能取得最优的预测效果,进而证明了混合交通流预测模型的有效性。(本文来源于《山东建筑大学》期刊2019-06-01）
唐凡[3]（2019）在《基于神经网络的城市交通流预测研究》一文中研究指出衡量交通发展水平的主要标准便是交通流,然而如今常常忽略对交通流的预测,由此更容易造成交通堵塞等常见的交通问题。因此城市交通流的预测能力便显得尤其重要,本文不仅提出了影响交通流的主要原因,而且还提出了一种基于神经网络的城市交通流的预测方法和模型,其模型是由径向基网络(RBF)和BP神经网络共同建立的,本文也对这两种网络的特点进行了分析,在此理论基础上实行了仿真试验,最后发现这种基于神经网络的城市交通流预测模型相比于其他方法,有着更高的准确度。(本文来源于《四川水泥》期刊2019年04期）
赵泽云,王雪峰[4]（2019）在《基于神经网络的城市交通流预测研究》一文中研究指出交通拥堵现象由点到线、由线到面、由局部向大范围蔓延,不仅影响了城市生活的效率和质量,而且带来了环境恶化、交通事故等一系列社会问题,因此,实时准确的交通流预测对于交通控制、缓解拥堵、提高道路的使用效率及服务水平就显得非常重要。根据深圳道路的实际情况,运用RBF神经网络和BP神经网络两种模型对交通流的变化进行预测。(本文来源于《中国新通信》期刊2019年04期）
宁洪波[5]（2018）在《基于Spark云计算平台的城市交通流实时预测技术》一文中研究指出实时准确的交通流预测是交通系统能够高效运行的重要保障,不仅为交通控制和诱导提供依据,更是交通智能化和自动化发展的重要基础。目前,随着数据获取越来越便捷,基于数据驱动的智能模型精度越来越高,其中,支持向量机模型和神经网络模型由于具备较强的非线性映射能力和良好的自适应学习能力等优点,因此被广泛地应用于交通流的预测研究。然而,数据量和数据维度的增多,导致智能模型在精度提高的同时,模型的复杂度和训练时间指数级增加,甚至难以收敛。而且,传统的数据管理模式在面对海量数据的存储和处理时效率低下,难以满足预测系统对实时性和动态扩展性的需求。因此研究利用大数据技术实现海量数据的高效采集、存储、处理和分析,具有非常重要的现实意义和应用价值。本文旨在研究基于Spark云计算框架的城市交通流实时预测技术。Spark是基于分布式的理念,面向大规模数据存储和处理需求应运而生的一种集群系统。它具有良好的扩展性和容错性。通过对主流云计算框架Spark的研究,本文设计了基于Spark的分布式支持向量机预测模型和分布式神经网络预测模型。并提出完整的包含数据采集,数据存储,模型训练以及实时预测的交通大数据处理框架。具体工作如下所示:(1)通过分析城市交通流的时空变化特性和天气影响因素,考虑将目标路段的上下游流量数据以及实时降水数据作为变量引入特征矩阵中,扩展特征变量的维度信息。(2)设计基于Spark集群的分布式支持向量机算法和分布式的神经网络算法。以及利用Spark Streaming技术实现目标路段下一时段交通流的实时预测。(3)通过将Kafka分布式消息订阅系统、HDFS分布式文件系统、Spark分布式计算引擎、Spark Streaming流式处理技术、Zookeeper分布式协调系统等大数据工具进行集成,提出了一套适合城市交通流从数据采集到存储、到模型训练再到结果实时输出的大数据解决方案。(4)选取广州市2016年线圈检测器的数据,以MAE、RMSE、预测时间、加速比等作为评价指标,通过对分布式算法与单机算法(包括KNN(k-Nearest Neighbors)、GTB(Gradient Tree Boosting)、KRR(Kernel Ridge Regression)、单机SVR、单机神经网络)以及基于深度学习框架Keras的神经网络算法共8种算法进行多组实验的性能对比,验证了以下结论:基于时空关系所构造的特征变量预测效果要优于单一的时间维度特征;基于分布式集群所训练出的模型在预测精度与单机相差不大的情况下,实时性和可扩展要远远优于单机系统;降雨量数据对模型的预测效果影响较小,因此在构造特征变量时可以忽略。(本文来源于《广东工业大学》期刊2018-06-01）
展之婵[6]（2018）在《基于元胞自动机的城市交通流建模及其仿真研究》一文中研究指出确保为城市交通管理和系统优化提供更准确的决策依据与参考数据,许多国内外的专家们深入研究了城市道路交通流的微观特性,建立了多种交通流模型。元胞自动机凭借其灵活的规则、简单的算法和高效的模拟等优势,得以在研究交通流中广泛应用。鉴于此,论文运用元胞自动机理论建立了考虑前车速度和安全性的城市双车道交通流模型,并用其来模拟城市道路中的不同复杂环境。论文主要工作如下:(1)根据各种因素对城市道路车辆行驶的影响,运用元胞自动机建立了考虑前车速度和变化速度并引入安全系数的双车道交通流模型。重新给出换道规则和位置更新规则,并运用C#及MATLAB对模型进行仿真模拟,得到流量与密度之间的关系图及时空分布图,分析不同安全系数下对流量和密度的影响及相同安全系数不同初始状态下密度与流量的关系。(2)在考虑前车速度和变化速度并引入安全系数的双车道交通流模型的基础上,提出一个考虑前车速度的新安全距离双车道交通流模型。利用C#及MATLAB进行数值模拟,先对其基本图与时空图进行分析得到,改进的模型能够更好地表现交通流特性;再分析不同最大减速度下流量与密度的关系,得出:最大减速度越大,道路的车流量越大。(3)建立综合评价模型,即改进的TOPSIS法,利用该方法对经典的NS模型及所提出的两个双车道交通流模型进行综合的评价。评价得出:考虑前车速度的改进安全距离双车道交通流模型的相对接近度较大,故该模型更好,更与实测数据接近。(本文来源于《兰州交通大学》期刊2018-04-01）
黄慧坚[7]（2017）在《城市交通流波动性的影响分析及解决对策》一文中研究指出随时代和社会经济的发展,人口逐渐往城区聚集,近几年汽车保有量急剧上升,城市道路的规划和建设已开始跟不上发展的步伐,交通压力越来越繁重。城市快速路兴建、主干路快速化造改、主干路次干路扩建等都为之而实施,但进展较缓慢且交通成效难以维持到设计年限。道路的通行能力、通行效率与道路的等级、规模并非简单的正比关系,与交通状况密切相关。良好的交通状况,能使道路服务水平达到预期;减少交通流的波动和降低交通流波动性的影响,能很大程度地提高道路的服务水平,而且立竿见影,是本文研究的核心问题。交通流波动是车流中不同密度部分的分界面的传播现象,对道路交通造成危害主要是波速为负值的集结波,危害程度随波速绝对值的增大而增大。本文主要研究交通流波动的多种成因以及相应的特征、危害机理、解决对策。首先对交通流波动的危害性作分类,列出交通安全和影响通行能力的影响要素及其特征,然后根据现有的理论作评价和定性,再对各种成因进行分析,研究解决对策,最后通过工程案例来验证。针对交通流波动的各类成因,采取拟定的措施如优化车道和交叉口管理,完善慢行通道和公交停靠站设计,及时更新标志标线,合理安排路面作业,清除视障物等,能有效减少交通安全隐患,提高道路通行能力,使道路的服务水平显着提高,为道路工程设计和交通管理提供理论基础和依据。(本文来源于《华南理工大学》期刊2017-10-16）
谷健[8]（2017）在《基于RFID数据的城市交通流动态路径诱导研究》一文中研究指出城市化进程的快速发展,使得现有城市的交通系统承载着日益增长的需求与压力,交通拥堵问题成为城市经济发展的顽疾,随之产生的交通运输效益下降、环境污染、能源过度消耗等问题日益严重,交通拥堵这一顽疾亟待解决。基于智能采集设备的城市交通诱导系统是缓解城市交通拥堵问题的重要途径之一。本文由射频识别技术(Radio Frequency Identification Devices,RFID)所采集的城市道路交通数据特征分析入手,提出基于RFID数据的交通参数提取方法,实现基于RFID数据的城市道路微观交通模拟,构建基于RFID数据的城市道路交通流短时预测模型,开展基于RFID数据的城市道路交通状态判别研究,实现基于交通状态判别的交通流动态路径诱导研究。文章首先对用于采集车流数据的RFID技术进行了概述,由于RFID采集点多布设在信号交叉口出口路段上,这一布设特点导致RFID采集车辆记录多是单点断面静态记录。为了得到相对完整的符合时间规律的车辆行程数据并满足动态化要求,不仅需要将车辆记录与RFID基站位置进行空间匹配,同时需要考虑交叉口信号配时的情况。本文首先在数据记录质量分析的基础上,提出基于RFID技术的交通流特性参数提取方法,以交通工程学对交通特性参数的基本定义为核心,借助静态RFID记录中的车牌字段与车辆通过时间字段等基础信息对单一检测断面与相邻检测断面的采集数据进行交通流特性参数提取,得到流量、速度、行程时间、车头时距、交叉口转向等参数。在此基础上,利用统计方法,对交通量特征、车辆到达特征、速度特征、车头时距特征、行程时间特征进行了统计研究,并将统计分布结果作为基本输入用于车流模拟框架的构建。在车流模拟框架构建研究中,本文首先从车辆行驶的微观分析出发,分析讨论车辆在交叉口上游检测断面行驶至交叉口停车线并驶向下游检测断面的路段行驶特征,基于分析结果结合线性跟驰模型、安全换道模型构建了车辆在路段上的行驶规则;同时,本文利用车辆到达交叉口的时刻与信号运行时刻判断车辆在交叉口停车线的停车排队特征,并结合路段行驶规则构建了完整的城市道路车流模拟框架。在实例分析时,本文利用交通参数统计规律产生交通流特性参数的随机数,以此作为车流模拟框架的输入,并借助Matlab数值模拟环境,对单交叉口范围内相邻RFID检测断面的车流进行了模拟,并通过对模拟结果的分析,获取了行程时间、排队长度等通过一般采集方法较难直接采集的交通运行特征参数,实现了从静态RFID记录中提取得到交通状态的动态变化特征,其结果可用作交通状态判别的基本输入。为进一步实现从静态RFID记录中提取交通运行动态特征,本文在构建车流模拟框架的同时,构建了基于RFID数据的交通流短时预测方法。考虑到交通参数时间序列具有随机信号的特征,本文以交通流特性参数时间序列的小波分解为前提,对小波分解得到的近似变量和细节变量分别选用支持向量机方法建立预测模型,并利用GA、PSO等方法优化预测模型的参数,并综合考虑数值精度与运算速度两方面因素,借助数值对比实验的方法,对预测模型参数的输入个数进行了研究。借助对速度时间序列的实例分析,分别得到了 2min和5min时间间隔的速度预测结果,其精度满足一定要求,并将预测算法应用到阈值去噪处理后的数据进行对比分析,其结果表明所构建的预测算法能够实现对静态RFID记录的动态预测。对静态RFID记录采用预测的方法实现动态分析主要针对交通流特性参数,而掌握交通流状态的动态变化,需要综合考虑不同交通流特性参数的变化特征,因此,在基于RFID数据的城市道路交通运行特征分析与车流模拟的基础上,本文提出一种采用平均里程行程延误、平均行程速度、排队长度等多个参数来判别城市道路交通状态的方法。该方法以模糊综合评价模型为基础,以车流模拟结果所提取的交通流特性参数作为输入,通过构建参数的梯形隶属度函数,实现对交叉口左、直、右叁个方向上的相邻检测断面的交通状态进行模糊判别,并对交通状态模糊判别方法中的单因素权重矩阵取值对判别结果的影响进行了分析研究,从而进一步实现了从静态RFID记录中提取动态交通变化特征。交通状态判别结果可用于构建城市道路交通诱导路径搜索算法。诱导路径是交通流动态诱导系统的重要体现,本文提出一种基于城市道路交通状态判别的动态诱导路径搜索算法。以城市路网为研究载体,借助车流模拟框架得到路网内的车流模拟数据,结合交通参数提取方法得到模拟路网内相邻检测断面的平均里程行程延误、平均行程速度、排队长度等交通流特性参数,在此基础上,结合模糊判别方法得到模拟路网内相邻检测断面的交通状态判别结果,并利用交通状态判别结果作为搜索算法中有向弧的动态权重,结合基于曼哈顿距离的启发式路径搜索算法,实现了对路网内的最短路径的动态搜索,其结果可为基于RFID数据的交通管理系统制定诱导路径提供理论支持。(本文来源于《东南大学》期刊2017-09-15）
史云峰[9]（2017）在《车路协同条件下城市交通流优化控制策略的研究》一文中研究指出作为智能交通系统(Intelligent Transportation Systems,ITS)未来的发展方向,车路协同系统(Cooperative Vehicles Infrastructure Systems,CVIS)可以为解决当前及未来城市交通系统的疑难问题提供重要的基础支撑与技术保障。CVIS可实现车与车、车与路之间的实时无线通信,变革城市交通系统中车辆与道路设施之间无法进行信息交互的现状。车与车、车与路之间的协同合作,可有效提高城市交通运行效率与行车安全。近年来,基于CVIS的城市交通流相关研究逐渐受到国内外众多学者的重视,并成为智能交通系统领域研究的热点问题之一。CVIS条件下,通信车(指装配有交通状态检测、无线通信和信息发布终端的车辆单元)与非通信车共存的城市交通流运行模式,成为智能交通系统在较长一段时间内所必然经历的发展阶段。城市交通系统因通信的引入出现了新的研究问题,通信车与非通信车的"混合"加剧了交通流问题研究的复杂化,进而影响了 CVIS的有效实施。现有的交通流模型与理论方法已不适用于研究"混合"情况下的交通流问题。基于此,深入挖掘CVIS下交通流的动态特性,提出新的科学研究方法,对优化交通运行效率、抑制交通局势的恶化及解决交通工程中的热点问题具有重要的理论意义与实用价值。本文以CVIS条件下通信车与非通信车共存的交通流为研究对象,基于对城市交通流状态的宏观描述,建立路径选择模型实施交通诱导;为避免车辆在所选路径上发生交通拥堵,以及更好地对交通流进行优化,基于对跟车行为的微观特性分析,探讨了交通流的稳定性与交通拥堵抑制问题。论文从宏观到微观两个层面,较为深入地研究了 CVIS条件下的城市交通流优化控制策略,主要工作如下:1、针对通信车的位置分布不均导致的交通状态检测误差,本文提出了一种改进的交通流平均速度计算方法,实现了对交通状态的准确检测。论文首先分析了通信车呈均匀分布与集中分布时对检测结果的影响,并设计了衡量车辆位置分布的权重系数,基于此,通过构建熵函数,改进了计算交通流平均速度的方法。仿真结果表明,本文设计的方法可对交通流的运行状态做出较为准确地估计。2、以CVIS下得到的交通状态检测结果为部分参数,建立路径选择模型实施交通诱导。基于传统路径选择模型因缺乏对影响驾驶人路径选择复杂因素的全面分析,导致其存在路径诱导信任度与准确度较低的问题,本文建立了基于博弈理论的路径选择模型,设计了考虑驾驶人行为决策的路径诱导方案。该方案将备选最短路径与通勤路径设定为博弈参与者,以路径的预测行程时间和路径熟悉度(红灯数、路段交通状态等)为博弈策略、并结合各自对应的博弈收益为参数建立路径选择模型。利用VISSIM模拟相关路网对模型提供的诱导方案进行比较,结果表明,本文设计的诱导方案可达到较高的吻合度,能够满足驾驶人不同情况下的出行需求。3、车辆在所选路径上发生跟车行为时,前方车辆的短时速度波动令交通流产生振荡,影响交通流的稳定性,增加了车辆的行驶时间。为解决此问题,本文通过对分簇跟驰行为的分析提出了基于CVIS的分簇跟驰策略。首先,基于分簇跟驰行为提出了改进的优化速度(Optimal Velocity,OV)跟车模型,该模型准确地描述了不同通信车比例下的跟车动态行为;然后,通过引入的反馈控制方法,对交通流跟车系统进行分析,得到了交通流的稳定运行条件。仿真结果表明,本文提出的分簇跟驰策略不仅提高了交通流的稳定性,同时有效降低了交通流恢复至稳定的时间。4、针对分簇跟驰策略无法抑制跟车过程中频繁扰动引起的交通拥堵问题,本文提出了基于车车通信的反馈控制策略。首先设计了改进的耦合映射(Coupled Map,CM)跟车模型,然后在跟车动态线性方程中设计了衡量两相邻车辆速度差的反馈控制环节,分析并准确地求解出反馈增益的取值。最后通过仿真分析得到了不同通信车比例时的交通流动态变化与时空分布特性。CM模型准确地描述了交通流的拥堵演变过程,并揭示了拥堵的产生机理,仿真结果表明,本文给出的反馈控制策略可有效抑制因前方车辆频繁的速度波动引起的交通拥堵问题。(本文来源于《山东大学》期刊2017-05-20）
郑亚周[10]（2017）在《智能交通环境下城市交通流的微观建模及数值模拟》一文中研究指出本文在着名的交通流跟驰模型以及CACC控制模型的研究基础上,利用反馈控制理论,建立起新的交通流数学模型。通过对模型进行理论分析并辅以数值模拟验证模型的优缺点,从而得到关于交通系统稳定的条件。本文的主要内容如下:(1)基于1995年Bando等学者提出的优化速度模型,运用反馈控制理论构建了一个考虑侧方效应的交通流跟驰模型。考虑前方车辆的速度、相对优化速度等综合因素的影响,提出了一个改进的反馈控制方案。通过线性稳定性分析,给出改进模型的稳定性条件。数值模拟揭示了考虑侧方效应以及新反馈方案的车辆模型的优缺点。(2)依托当今日益智能的交通系统,建立了一种考虑可变安全间距的跟驰模型。采用反馈控制理论,构建了一个考虑相对速度、相对优化速度、安全间距等综合信息的反馈控制方案。通过线性稳定分析得到了模型的稳定条件,数值模拟图验证了文中提出的新模型可控性和稳定性。(3)基于协作自适应巡航控制理论,同时考虑延时效应、可变安全间距、多前车信息等众多影响因素,提出了一个叁模型的协作自适应巡航控制系统。通过线性理论分析,给出速度模型(VCM)和间隙模型(GCM)稳定性判据。数值模拟结果表明改进的叁模型控制系统能够提高交通系统的效率和安全性。(本文来源于《宁波大学》期刊2017-04-12）
城市交通流论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
自改革开放以来,国民经济水平大幅度提升,导致我国的机动车保有量急剧上升。机动车在带来交通便利的同时,也导致城市交通状况日益恶化。目前,交通拥堵问题已成为许多城市的发展瓶颈,因此缓解城市交通拥堵问题迫在眉睫。交通流预测通过历史交通流数据对未来时刻的交通流量进行估计,能够有效地提高居民的出行效率,增强执法人员对城市交通的管控,是一种解决城市交通拥堵问题的有效手段。然而,由于受到天气、大气污染等多方面因素的影响,历史交通流数据中存在高度的不确定性以及随机性,这使得准确、合理的预测变得十分困难。针对城市短时交通流量的精确预测问题,本文对计及周期性知识的数据驱动模糊预测方法进行了深入研究,并将其应用于短时交通流预测中。本文的主要工作如下:首先,对目前的主流交通流预测方法进行了概述,介绍了城市交通流预测的特点;随后讨论了五种主流的交通流预测方法,并对上述五种交通流预测方法进行了分析比较;最后对交通流预测方法进行了总结。其次,为了降低历史交通流数据中不确定性的影响,提升交通流预测精度,提出了一种基于自适应模糊推理系统(ANFIS)计及周期性的城市交通流预测混合模型。该模型结合交通流周期性知识和数据驱动的交通流预测模型生成最终预测结果。在该方法中,首先提取交通流数据的周期性知识,将周期性知识从原始交通流数据中移除,然后获得残差数据并将其用于训练交通流预测模型,最后将模型输出和周期性知识结合得到最终的交通流预测结果。其中,数据驱动的交通流预测模型采用ANFIS模型实现。为了验证该方法在城市短时交通流预测中的优越性,进行了2种不同时长的交通流预测实验。实验结果证明,所提出的交通流预测混合模型在不同的短时预测实验中均取得了最好的预测结果,进而证明了所提方法的有效性。最后,针对交通流预测输入变量确定问题及模糊方法输入变量较多时规则爆炸问题,提出了一种基于函数型单输入规则模块模糊推理方法(FWSIRM-FIS)的城市交通流预测混合模型。该模型结合周期性提取方法和FWSIRM-FIS模型产生城市交通流预测最终结果。首先自历史交通流数据中提取交通流周期性,将其从历史数据中移除后得到相应的残差数据,基于残差数据采用偏自相关性分析(PACF)的方法选择最优输入变量,然后利用所得的残差数据对FWSIRM-FIS模型进行训练,最后将FWSIRM-FIS模型的输出与周期性知识相结合生成最终的预测结果。为了验证该混合模型在城市交通流预测中的有效性,将其与叁种交通流预测方法——ANFIS模型、BPNN模型以及剪枝模糊推理系统(PFLFIS)进行了比较。实验结果表明,该模型在不同的城市短时交通流预测实验中都能取得最优的预测效果,进而证明了混合交通流预测模型的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
城市交通流论文参考文献
[1].刘雪莲,焦新龙,胡筱渊,胡洁,俞恬恬.城市交通流动态特性及协调控制方法研究[J].交通企业管理.2019
[2].颜秉洋.计及周期性知识的数据驱动城市交通流模糊预测方法研究[D].山东建筑大学.2019
[3].唐凡.基于神经网络的城市交通流预测研究[J].四川水泥.2019
[4].赵泽云,王雪峰.基于神经网络的城市交通流预测研究[J].中国新通信.2019
[5].宁洪波.基于Spark云计算平台的城市交通流实时预测技术[D].广东工业大学.2018
[6].展之婵.基于元胞自动机的城市交通流建模及其仿真研究[D].兰州交通大学.2018
[7].黄慧坚.城市交通流波动性的影响分析及解决对策[D].华南理工大学.2017
[8].谷健.基于RFID数据的城市交通流动态路径诱导研究[D].东南大学.2017
[9].史云峰.车路协同条件下城市交通流优化控制策略的研究[D].山东大学.2017
[10].郑亚周.智能交通环境下城市交通流的微观建模及数值模拟[D].宁波大学.2017
论文知识图
