-
公开(公告)号：CN111583628A
公开(公告)日：2020-08-25
申请号：CN202010227998.4
申请日：2020-03-27
Applicant: 北京交通大学
Abstract: 本发明涉及一种基于数据质量控制的道路网重型货车交通流量预测方法，针对GPS流量数据及收费站监测数据两种数据源划分三类数据路段，分别采取不同的预测方法。针对有GPS流量数据的路段，由于GPS数据存在获取不够全样问题，采用先分段常系数法扩样再长短时循环神经网络预测的方法。针对无GPS数据的无数据路段，采用K最近邻算法预测流量。针对收费站监测数据路段，由于数据样本全面，直接采取长短时循环神经网络算法进行预测。本发明从流量预测面对的实际工程问题出发，分析多种数据来源特征来提高数据质量，进而建立路网重型货车流量测算方法，最终形成基于数据质量控制的道路网重型货车流量。
-
公开(公告)号：CN110956808A
公开(公告)日：2020-04-03
申请号：CN201911336098.7
申请日：2019-12-23
Applicant: 北京交通大学
Abstract: 本发明涉及一种基于非全样定位数据的重型货车交通流量预测方法，针对GPS交通流量获取不全面的问题，提出先扩样后预测的方案。扩样方法中提出依靠流量自身分布来确定的分段常系数法，预测方法中提出能解决长时记忆问题的长短时循环神经网络LSTM模型，实现重型货车交通流量与实际流量更接近的目的。本发明在数据采集时，克服了传统线圈、视频流量采集精度低的缺陷，采用卫星定位装置的GPS数据进行交通流量的预测工作，具有较高的精度。本发明为重型货车交通流量预测提供了一套更为综合、全面的方法，可以为缓解城市交通拥堵问题，提高城市交通运行效率发挥积极作用。本发明在工程中具有实际应用价值，并且可以迁移在相关领域中进行应用。
-
公开(公告)号：CN111583628B
公开(公告)日：2021-05-11
申请号：CN202010227998.4
申请日：2020-03-27
Applicant: 北京交通大学
Abstract: 本发明涉及一种基于数据质量控制的道路网重型货车交通流量预测方法，针对GPS流量数据及收费站监测数据两种数据源划分三类数据路段，分别采取不同的预测方法。针对有GPS流量数据的路段，由于GPS数据存在获取不够全样问题，采用先分段常系数法扩样再长短时循环神经网络预测的方法。针对无GPS数据的无数据路段，采用K最近邻算法预测流量。针对收费站监测数据路段，由于数据样本全面，直接采取长短时循环神经网络算法进行预测。本发明从流量预测面对的实际工程问题出发，分析多种数据来源特征来提高数据质量，进而建立路网重型货车流量测算方法，最终形成基于数据质量控制的道路网重型货车流量。
-
公开(公告)号：CN110956808B
公开(公告)日：2020-11-24
申请号：CN201911336098.7
申请日：2019-12-23
Applicant: 北京交通大学
Abstract: 本发明涉及一种基于非全样定位数据的重型货车交通流量预测方法，针对GPS交通流量获取不全面的问题，提出先扩样后预测的方案。扩样方法中提出依靠流量自身分布来确定的分段常系数法，预测方法中提出能解决长时记忆问题的长短时循环神经网络LSTM模型，实现重型货车交通流量与实际流量更接近的目的。本发明在数据采集时，克服了传统线圈、视频流量采集精度低的缺陷，采用卫星定位装置的GPS数据进行交通流量的预测工作，具有较高的精度。本发明为重型货车交通流量预测提供了一套更为综合、全面的方法，可以为缓解城市交通拥堵问题，提高城市交通运行效率发挥积极作用。本发明在工程中具有实际应用价值，并且可以迁移在相关领域中进行应用。
-
-
-
Search Results
4
records
(took 0.061 seconds)
