论文摘要
以高速公路行程时间为研究对象,建立基于聚类分析的行程时间预测模型。使用系统聚类法对历史行程数据集按照车型及时段等特征进行分类;根据行程时间分布相似性对天气和月份进行重分类,与历史行程时间共同构建特征向量。最后采用BP神经网络对不同的数据集进行训练,以提高行程时间的预测准确性。实验表明,数据集分类能有效提高模型预测的准确性,与发布前期行程时间和未进行分类的BP神经网络模型预测结果相比,上述方法具有更好的预测准确度。
论文目录
文章来源
类型: 期刊论文
作者: 李松江,宋军芬,杨华民,张凤荣
关键词: 行程时间预测,系统聚类法,特征向量,数据集分类,神经网络
来源: 计算机仿真 2019年02期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 公路与水路运输,自动化技术
单位: 长春理工大学计算机科学技术学院
基金: 基于数据挖掘的高速公路收费数据综合分析及应用研究(2016C090),大数据与社会治理研究国家社科基金(17BSH135)
分类号: TP18;U491.17
页码: 384-389
总页数: 6
文件大小: 2038K
下载量: 277