Print

基于聚类分析的高速公路行程时间预测

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

  • 1 引言
  • 2 影响因素预处理
  •   2.1 选取历史行程时间
  •   2.2 月份分类
  •   2.3 天气分类
  • 3 行程时间预测模型的构建
  •   3.1 分类历史数据集
  •     3.1.1 车型分类
  •     3.1.2 周天、时段分类
  •   3.2 BP神经网络模型预测流程
  • 4 实验分析
  •   4.1 BP神经网络预测模型参数设置
  •   4.2 性能评价指标
  •   4.3 预测结果与误差分析
  •   4.4 行程时间预测方法比较
  • 5 结束语

    • 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

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/2cc48271d5e7621d73d5962b.html