-
公开(公告)号：CN116978222A
公开(公告)日：2023-10-31
申请号：CN202310913245.2
申请日：2023-07-24
Applicant: 重庆邮电大学
IPC: G08G1/01
Abstract: 本发明涉及一种基于时空数据的短时交通流预测方法，属于智能交通技术领域。该方法是：首先，通过灰色关联度分析方法和交通流的周期性选取不同路段的交通流数据，以反映交通流数据的时空特征；其次，为了提高新模型的适用性，采用粒子群优化算法寻找最佳背景值系数。最后，将该模型应用于短时交通流预测。利用交通流数据的周期性对三个不同时期的短时交通流进行预测，从预测数据趋势可以看出与原始数据的发展趋势一致。本发明模型的预测结果可以为交通管理系统提供可靠的信息，丰富交通流预测的研究方法。
-
公开(公告)号：CN116978222B
公开(公告)日：2024-04-16
申请号：CN202310913245.2
申请日：2023-07-24
Applicant: 重庆邮电大学
IPC: G08G1/01
Abstract: 本发明涉及一种基于时空数据的短时交通流预测方法，属于智能交通技术领域。该方法是：首先，通过灰色关联度分析方法和交通流的周期性选取不同路段的交通流数据，以反映交通流数据的时空特征；其次，为了提高新模型的适用性，采用粒子群优化算法寻找最佳背景值系数。最后，将该模型应用于短时交通流预测。利用交通流数据的周期性对三个不同时期的短时交通流进行预测，从预测数据趋势可以看出与原始数据的发展趋势一致。本发明模型的预测结果可以为交通管理系统提供可靠的信息，丰富交通流预测的研究方法。
-
公开(公告)号：CN116913105B
公开(公告)日：2024-03-19
申请号：CN202310916418.6
申请日：2023-07-24
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于循环神经灰色模型的短时交通流预测方法，属于智能交通技术领域。该方法包括：S1：采集某主路段及该主路段支路的车流量；用灰色关联度分析主路段与支路车流量的灰色关联度，选择主路段为主序列，关联度较大的支路为影响序列；S2：以主序列及影响序列建立循环神经灰色模型；S3：确定最优模拟和预测的个数，用最优方案预测该主路段的车流量。本发明的预测方法能够有效提高短时交通流的预测精度。
-
公开(公告)号：CN116913105A
公开(公告)日：2023-10-20
申请号：CN202310916418.6
申请日：2023-07-24
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于循环神经灰色模型的短时交通流预测方法，属于智能交通技术领域。该方法包括：S1：采集某主路段及该主路段支路的车流量；用灰色关联度分析主路段与支路车流量的灰色关联度，选择主路段为主序列，关联度较大的支路为影响序列；S2：以主序列及影响序列建立循环神经灰色模型；S3：确定最优模拟和预测的个数，用最优方案预测该主路段的车流量。本发明的预测方法能够有效提高短时交通流的预测精度。
-
-
-
Search Results
4
records
(took 0.016 seconds)
