论文摘要
本文分为交通流预测和控制两部分。在交通流预测部分，首先分析了交通流由线性和非线性部分组成的特性和传统交通流预测模型的特点；引入数据融合思想，构造相关时间序列，通过运用ARIMA模型和指数平滑模型对交通流线性时间序列进行预测，运用BP神经网络对交通流非线性部分进行预测，再将两部分结果融合，提高预测精度，得到预测效果更好的组合交通流预测模型；通过实例比较验证了改进的组合模型优于单独使用ARIMA模型或单独使用神经网络交通流预测模型。在交通流控制部分，首先分析了传统的入口匝道控制模型、限速控制模型和入口匝道收益模型的特点；鉴于大部分传统交通流控制模型单目标、单路段的缺陷和考虑到高速公路使用者和经营者的利益，引入协调控制思想，结合以上三个控制模型，设计了一个同时以高速公路各路段的平均密度、平均速度和入口匝道收益率为控制目标的多目标优化控制模型；通过仿真方法验证新模型的良好控制效果。最后本文还提出交通流控制模型中入口匝道合流区通行能力的一种近似算法。
论文目录
相关论文文献
- [1].智能交通系统域间交通流预测关键技术研究[J]. 南方农机 2020(01)
- [2].基于深度学习的节假日高速公路交通流预测方法[J]. 系统仿真学报 2020(06)
- [3].智能网联环境下基于混合深度学习的交通流预测模型[J]. 交通运输系统工程与信息 2020(03)
- [4].城市道路交通流预测与交通状态识别方法研究[J]. 无线互联科技 2020(02)
- [5].基于资源分配网络算法的交通流预测研究[J]. 工业控制计算机 2017(10)
- [6].生物智能算法优化小波神经网络研究及其在交通流预测应用[J]. 北京交通大学学报 2020(05)
- [7].基于深度学习的交通流预测方法可行性研究[J]. 河北交通教育 2018(02)
- [8].基于长时卷积深度网络的交通流预测方法[J]. 测绘与空间地理信息 2019(07)
- [9].K近邻短期交通流预测[J]. 重庆交通大学学报(自然科学版) 2012(04)
- [10].一种改进的深度置信网络在交通流预测中的应用[J]. 计算机应用研究 2019(03)
- [11].基于局部多项式拟合的交通流预测[J]. 计算机工程与应用 2012(19)
- [12].基于数据挖掘技术的交通流预测模型[J]. 计算机系统应用 2019(07)
- [13].交通流预测评价中如何运用模糊数学方法进行预测[J]. 科技致富向导 2010(27)
- [14].基于神经网络的城市交通流预测研究[J]. 电子学报 2009(05)
- [15].基于动态规划的城市交通流预测与分配[J]. 交通运输系统工程与信息 2009(03)
- [16].节假日高速公路短时交通流预测[J]. 东莞理工学院学报 2019(03)
- [17].基于时空数据驱动的交通流预测[J]. 交通与运输 2019(S1)
- [18].基于小波分析组合模型的随机交通流预测系统[J]. 激光杂志 2015(11)
- [19].基于路段检测器布局的短期交通流预测模型[J]. 武汉理工大学学报(交通科学与工程版) 2009(02)
- [20].自适应粒子群神经网络交通流预测模型[J]. 西安交通大学学报 2015(10)
- [21].一种实现可控出行的智慧交通解决方案[J]. 通讯世界 2019(07)
- [22].基于神经网络的高速公路交通流预测模型及其应用[J]. 广东工业大学学报 2008(03)
- [23].自适应信号控制条件下的交通流预测模型研究[J]. 中国新技术新产品 2010(22)
- [24].聚类分析和支持向量机回归的交通流预测[J]. 电脑知识与技术 2019(15)
- [25].基于CNN和LSTM的交通流预测[J]. 通讯世界 2018(10)
- [26].基于weka的交通流预测研究[J]. 山东工业技术 2016(12)
- [27].组合粗糙集和支持向量回归的船舶交通流预测[J]. 计算机工程与应用 2014(14)
- [28].基于小波消噪和混沌时间序列的交通流预测[J]. 科学技术与工程 2010(31)
- [29].ITS中交通流预测方法的研究[J]. 中国科技信息 2008(10)
- [30].基于时空相关性的短时交通流预测模型[J]. 电脑知识与技术 2020(18)