期刊文献+

高速公路区间交通态势预测系统设计

下载PDF
导出
摘要 准确评估高速公路重要路段交通通行状态,对高速公路区间交通态势进行预测,对高速公路管理具有重要意义。本文选取了交通流平均速度、交通流密度、平均驶出时间3个交通流参数作为因素指标对交通态势进行综合预测。通过多目标粒子群算法(Multi-Objective Particle Swarm Optimization,MOPSO)对支持向量回归法(Support Vector Regression,SVR)进行优化,得到精度更为准确的因素指标。基于此算法提出了高速公路区间交通态势预测系统架构,针对不同的高速公路业务场景对系统预测精度进行了验证。实验结果表明,该算法能够较好地检测高速公路重要路段通行压力、收费广场处理速度等,对路面拥堵情况等态势进行及时准确预测,具有较好的应用价值。
出处 《中国交通信息化》 2022年第2期119-122,共4页 China ITS Journal
基金 交通运输部科学研究院基本科研项目(No.20191208)。
  • 相关文献

参考文献7

二级参考文献34

  • 1美国交通研究委员会.道路通行能力手册[M].北京:人民交通出版社,2008.
  • 2全永粲,郭继孚,关积珍,等.交通拥堵评价研究及北京交通拥堵评价的实证分析[A].2007第三届中国智能交通年会论文集[C].南京:2007第三届中国智能交通年会学术委员会,2007.
  • 3JTGB01-2003.公路工程技术标准[S].[S].,..
  • 4姜桂艳,郭海锋,孟志强,朱伟刚.基于实时信息的城市道路交通状态评价指标体系研究[J].交通与计算机,2007,25(5):21-24. 被引量:17
  • 5Lo H K, Luo X Wj Siu B W Y. Degradable transport network; traveltime budget of travelers with heterogeneous risk aversion[ J]. Trans-porlation Research Part B : Methodological,2006,40 ( 9) : 792-806.
  • 6Hinton G E, Osindero S, Teh Y. A fast learning algorithm for deepbelief nets[J]. Neural Computation, 2006,18(7) : 1527-1554.
  • 7Ciresan D C, Meier U, Masci J. Multi-column deep neural networkfor traffic sign classification[ J]. Neural Networks, 2012,32 ( 8 ):333-338.
  • 8Shin H C, Matthew R 0, David J C. Stacked auto-encoders for unsu-pervised feature learning and multiple organ detection in a pilot studyusing 4D patient data [ J ]. Pattern Analysis and Machine Intelli-gence ,2013,35(8): 1930-1943.
  • 9Sun D Z,Wang Q X,Jiang X Q.The application of supportvector machines for traffic condition using ITS data[C]//Proceedings of the Conference on Traffic and TransportationStudies,2010.
  • 10Zhang Yang,Liu Yuncai.Application of combined forecastingmodels to intelligent transportation systems[J].Studies in Computational Intelligence,2009,214(10):181-186.

共引文献81

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部