基于神经网络与马尔可夫链的换道次数预测方法

论文摘要

为在先验数据有限情况下较精确地预测道路换道次数,提出基于神经网络与马尔可夫链的组合预测模型。采集路段区间平均车速和车流密度,采用BP神经网络训练初步拟合模型;运用马尔可夫链方法,进一步给出换道次数在表示高估、正常、低估的3组区间内的分布及概率,改善BP神经网络误差。运用组合预测模型对西安市某道路的换道次数进行了预测分析,结果表明,实际换道次数均在模型给出的较大概率的预测区间内,表明模型能够根据路段区间平均车速和车流密度较好地预测换道次数。

论文目录

• 1 神经网络与马尔可夫链组合预测模型的构建
•   1.1 神经网络模型
•   1.2 马尔可夫链预测模型
• 2 案例分析
•   2.1 BP神经网络模型基准拟合
•   2.2 基于马尔可夫链的车道换道次数预测结果修正
• 3 结论

文章来源

类型: 期刊论文

作者: 洪维伟,王元庆

关键词: 换道行为,换道次数,神经网络,马尔可夫链

来源: 华东交通大学学报 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 公路与水路运输

单位: 长安大学公路学院

基金: 国家自然科学基金项目(51878062)

分类号: U491

DOI: 10.16749/j.cnki.jecjtu.2019.02.014

页码: 92-98+104

总页数: 8

文件大小: 283K

下载量: 151