| 
  中国学术期刊网络出版总库
  关闭
基于ARMA和卡尔曼滤波的短时交通预测  
   推荐 CAJ下载 PDF下载
【英文篇名】 Short-term Traffic Volume Forecasting Based on ARMA and Kalman Filter
【下载频次】 ★★★★★
【作者】 杨高飞; 徐睿; 秦鸣; 郑凯俐; 张兵;
【英文作者】 YANG Gaofei; XV Rui; QIN Ming; ZHENG Kaili; ZHANG Bing; School of Civil Engineering and Architecture; East China Jiaotong University; School of Traffic and Transportation; Chongqing Jiaotong University;
【作者单位】 华东交通大学土木建筑学院; 重庆交通大学交通运输学院;
【文献出处】 郑州大学学报(工学版) , Journal of Zhengzhou University(Engineering Science), 编辑部邮箱 2017年 02期  
期刊荣誉:中文核心期刊要目总览  ASPT来源刊  CJFD收录刊
【中文关键词】 智能交通; 短时交通预测; ARMA; 卡尔曼滤波; 预测误差;
【英文关键词】 intelligent transportation; short-term traffic volume forecasting; ARMA; Kalman filter; prediction error;
【摘要】 交通预测是智能交通运输系统研究中的一个重要组成部分.为了有效地获取短时交通流量预测数据,保障交叉口畅通,依据道路情况的不确定性以及交通流的非线性变化,应用ARMA模型及卡尔曼滤波模型通过预测结果误差大小来组合预测路段短时交通流量.实例表明,组合模型预测结果达到较高的预测精度,预测误差降低到了5.79%,并且比单一模型预测精度要高.通过该组合模型可以更准确地预测短时交通流量,同时也可以为交叉口信号配时提供必要的理论依据和技术指导,对减小交通延误,提高道路服务水平有一定的应用价值.
【英文摘要】 The traffic prediction was an important component in the intelligent transportation system. The effective short-term traffic flow prediction was conducive to ensure the intersection unimpeded and reduce the traffic delay. According to the uncertainty of road conditions and the nonlinear change of traffic flow,the ARMA model and kalman filter mode was combined through the error magnitude of predicting results to predict the short-term traffic flow in the road. The example indicated that the combined model co...
【基金】 江西省青年科学基金计划资助项目(20151BAB216024); 江西省交通运输厅科技资助项目(2014R0011)
【更新日期】 2017-06-08
【分类号】 U491
【正文快照】 0引言道路交通流量分析在智能交通高速发展的今天显得尤为重要.短时交通流量预测[1]是交通流分析中的重要组成部分,对减小交通延误,提高道路服务水平有着非常重要的现实意义.短时交通流研究一直是围绕如何提高预测精度来开展[2].短时交通流预测的方法主要有非参数回归法[3]、灰

xxx
【读者推荐文章】中国期刊全文数据库 中国优秀硕士学位论文全文数据库
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者,可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献,使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献,从上层导航可以浏览更多相关领域的文献。

交通运输
  公路运输
   交通工程与公路运输技术管理
    交通工程与交通管理
  
 
  CNKI系列数据库编辑出版及版权所有:中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有:清华同方知网(北京)技术有限公司
其它数据库版权所有:各数据库编辑出版单位(见各库版权信息)
京ICP证040431号    互联网出版许可证 新出网证(京)字008号