论文摘要
交通流量预测是智能交通网络管理系统的重要组成部分。了解交通流量以及对高峰时间或事故造成的交通拥堵可以做一个短期预测,也有助于此类系统更有效地管理城市道路,并将车流引导至最合适的迂回路线。许多现有的交通流量预测系统都是基于一个中央处理组件来设计的,由中央处理组件通过汇总来所有测量节点采集的信息来进行预测。但是,集中式系统不具有可扩展性,不能向系统提供实时反馈,而在分散式方案中,每个节点负责根据相邻节点的局部流量测量来预测自己的短期拥塞。提出了一种基于可扩展深度学习的方法,根据相邻站点的拥塞状态,实时准确地预测各个节点的拥塞状态。
论文目录
文章来源
类型: 期刊论文
作者: 王天明,符天
关键词: 人工神经网络,交通流量
来源: 电脑编程技巧与维护 2019年10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: 海南经贸职业技术学院工程技术学院,海南软件职业技术学院网络信息中心
基金: 海南省自然科学基金项目（批准号：617172）
分类号: TP183;U491.1
DOI: 10.16184/j.cnki.comprg.2019.10.059
页码: 158-159+170
总页数: 3
文件大小: 468K
下载量: 306
相关论文文献
- [1].基于深度学习的短时道路交通流量预测研究[J]. 软件 2020(05)
- [2].独立分量分析在短期交通流量预测中的应用[J]. 计算机应用研究 2020(S1)
- [3].船舶航道交通流量预测系统构建研究[J]. 舰船科学技术 2019(02)
- [4].考虑周期性波动因素的船舶交通流量预测模型[J]. 大连海事大学学报 2016(04)
- [5].基于改进粒子群算法的交通流量预测研究[J]. 电子设计工程 2017(06)
- [6].遗传算法优化支持向量机的交通流量预测[J]. 激光杂志 2014(12)
- [7].云技术在高速公路交通流量预测中的应用研究[J]. 智富时代 2015(S1)
- [8].基于支持向量机的高速短时交通流量预测[J]. 工程与建设 2020(02)
- [9].基于改进小波神经网络的短时交通流量预测研究[J]. 四川理工学院学报(自然科学版) 2015(06)
- [10].小波支持向量机在交通流量预测中的应用[J]. 计算机仿真 2011(07)
- [11].改进非参数回归在交通流量预测中的应用[J]. 重庆交通大学学报(自然科学版) 2008(01)
- [12].基于时空特征挖掘的交通流量预测方法[J]. 计算机科学 2019(07)
- [13].基于改进极限学习机的短时交通流量预测[J]. 现代计算机(专业版) 2018(14)
- [14].基于模糊理论的城市道路短时交通流量预测研究[J]. 公路工程 2016(01)
- [15].基于高斯核函数的短时交通流量预测[J]. 中央民族大学学报(自然科学版) 2013(S1)
- [16].基于图卷积神经网络的交通流量预测[J]. 智能计算机与应用 2019(06)
- [17].基于云模型随机特性的路口交通流量预测模型构建[J]. 人类工效学 2016(06)
- [18].基于相关向量机的交通流量预测[J]. 河北北方学院学报(自然科学版) 2016(05)
- [19].基于遗传算法优化支持向量机的交通流量预测[J]. 微电子学与计算机 2010(10)
- [20].基于组合模型的交通流量预测研究[J]. 物流工程与管理 2017(01)
- [21].基于小波神经网络的交通流量预测[J]. 科技创新与应用 2016(25)
- [22].智能算法在短时交通流量预测中的应用[J]. 交通建设与管理 2014(20)
- [23].探讨交通流量预测的几种方法[J]. 吉林建筑工程学院学报 2010(05)
- [24].基于深度学习的交通流量预测研究[J]. 计算机工程与应用 2019(02)
- [25].港口船舶交通流量预测[J]. 大连海事大学学报 2009(03)
- [26].基于灰色马尔科夫模型的波动性交通流量预测[J]. 森林工程 2015(01)
- [27].引入果蝇优化算法的最小二乘支持向量机交通流量预测[J]. 电子测量技术 2018(16)
- [28].基于主成分分析和支持向量机的道路网短时交通流量预测[J]. 吉林大学学报(工学版) 2008(01)
- [29].基于非凸低秩稀疏约束的船舶交通流量预测[J]. 计算机应用研究 2018(01)
- [30].交通大数据环境下短时交通流量预测研究[J]. 铁道运输与经济 2018(08)