基于多源交通数据融合的短时交通流预测

论文摘要

不同类型交通检测器所获取的交通数据中包含了不同的交通信息,交通流预测在交通管理与控制中具有重要作用,基于此,进行了多源交通数据动态加权融合和短时交通流预测。在综合分析多源数据特性及其融合优势的前提下结合遗传算法的全局搜索及小波神经网络的自适应学习优点,提出了基于多源数据融合与遗传-小波神经网络（GA-WNN）的短时交通流预测模型。通过实例验证分析,基于GA-WNN的交通数据融合方法比其他方法更有优势;同时,多源数据融合的预测精度优于单一数据源的短时交通流预测序列,从而能为交通管理者的判断决策与交通出行者的路径选择提供更准确、全面的交通信息。

论文目录

• 0 引言
• 1 基于多源数据融合短时预测
•   1.1 多源交通数据特性分析
•   1.2 多源交通数据融合
•   1.3 短时交通流预测需求分析
•   1.4 多源数据交通流预测
• 2 短时预测模型构建
•   2.1 遗传-小波神经网络 （GA-WNN）
•   2.2 基于GA-WNN的交通数据处理及预测
•   2.3 基于GA-WNN与多源预测结果融合
• 3 算例分析
• 4 结语

文章来源

类型: 期刊论文

作者: 陆百川,舒芹,马广露

关键词: 交通工程,多源数据融合,短时交通流预测,遗传算法,小波神经网络

来源: 重庆交通大学学报(自然科学版) 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 公路与水路运输

单位: 重庆交通大学交通运输学院,重庆交通大学山地城市交通系统与安全实验室

基金: 重庆市基础与前沿研究计划项目(cstc2016jcyjA0010)

分类号: U491.1

页码: 13-19+56

总页数: 8

文件大小: 554K

下载量: 1016