短时预测
短时预测的相关文献在2002年到2022年内共计194篇,主要集中在公路运输、自动化技术、计算机技术、铁路运输
等领域,其中期刊论文98篇、会议论文16篇、专利文献95503篇;相关期刊67种,包括福建质量管理、东北大学学报(自然科学版)、华南理工大学学报(自然科学版)等;
相关会议14种,包括第九届中国智能交通年会、第十三届现代数学和力学学术会议(MMM-XIII)暨钱伟长诞辰100周年纪念大会、2008第四届中国智能交通年会等;短时预测的相关文献由541位作者贡献,包括聂庆慧、董婉丽、不公告发明人等。
短时预测—发文量
专利文献>
论文:95503篇
占比:99.88%
总计:95617篇
短时预测
-研究学者
- 聂庆慧
- 董婉丽
- 不公告发明人
- 孙棣华
- 季彦婕
- 张卫华
- 杨兆升
- 汪春
- 王晓原
- 王炜
- 乔春贵
- 于世军
- 于建玲
- 关积珍
- 叶智锐
- 商朋见
- 夏井新
- 孙晓静
- 张一平
- 张敬磊
- 徐健锐
- 李军
- 杨灿
- 牛淑贞
- 王国安
- 王皓田
- 赵敏
- 邓社军
- 邹娇
- 丁维龙
- 于德新
- 于维杰
- 付丽
- 何旻
- 侯亮
- 侯春梅
- 侯晓宇
- 冯旸赫
- 刘倩
- 刘允才
- 刘忠
- 刘路
- 刘辉
- 刘靖
- 刘静
- 卢凯
- 卢国明
- 叶家全
- 吕伟韬
- 吴丛
-
-
熊洋;
李淑庆;
许浩;
刘怡
-
-
摘要:
对轨道交通进行客流预测,不仅是进行轨道交通运营的基础,同时也决定了轨道交通的运营效率。为了提高轨道交通的短时预测效果,提出了LM算法和GA遗传算法的优化思路,对BP神经网络短时预测模型进行优化。此外,为了验证优化模型的有效性,研究S市两个站点的客流实测数据进行仿真实验,并以MAD、MAPE、MSE 3个指标评价模型的预测性能。研究结果显示,在优化后的GA-LM-BP算法模型中,它的预测值相对误差控制在±20%以内,且评价指标所反映的预测精度和稳定性较好。此次研究所提出的优化思路显著提高了预测模型精度和稳定性,优化后的预测模型具有良好的适用性。希望这次研究成果可以为提高客流短时预测效率提供一些参考,同时为提高轨道交通运营效率提供一些思路。
-
-
朱才华;
孙晓黎;
李培坤;
张景辰;
李岩
-
-
摘要:
准确掌握城市轨道交通客流的短时变化规律是制定应急措施和提高运营效率的关键依据。从影响客流预测精度因素的视角探索车站分类,建立小波变换-自回归移动平均(Wavelet transform-Auto regressive moving average,WT-ARMA)的短期客流预测方法。基于轨道交通客流属性和车站建筑属性9个聚类因子,运用K-means聚类方法将轨道车站分为4类。针对不同类别车站,研究客流数据降噪技术减少外部环境对原始客流数据的影响。构建基于小波变换的客流数据降噪技术和基于ARMA的客流预测方法组成的WT-ARMA组合预测模型对各类车站进行客流预测,并与单一ARMA模型、支持向量回归(SVR)模型和BP神经网络模型的预测结果进行对比。西安地铁2号线运营数据的分析结果表明,可将轨道车站有效分为商业、办公车站,密集型居住车站,轻型居住车站和旅游文化车站。通过构建组合模型揭示了4类车站的预测误差,相比于单一ARMA模型、SVR模型和BP神经网络模型,车站预测拟合优度提升了6.45%~9.45%,2.72%~5.69%,1.91%~3.48%,平均相对误差降低了17.00%~30.15%,14.64%~28.35%,4.49%~22.75%,均方根误差降低了8.79%~16.93%,7.16%~13.76%,4.77%~7.90%,运算时间降低了13.74%~29.20%,34.06%~45.39%,53.70%~58.79%。所建立的模型可精确、快速地对客流进行预测,可对各类型轨道车站建立相匹配的客流管控措施提供基础建议。
-
-
肖宇;
赵建有;
叱干都;
刘清云
-
-
摘要:
准确预测短时出租车速度是识别驾驶员异常加减速行为的前提,有助于提升乘客的安全与舒适。以城市中出租车实时移动速度为研究对象,研究了基于XGBoost的短时出租车速度预测模型。将出租车的移动速度数据集划分为训练集和测试集,构造滑动时间窗口,以时间窗口内的出租车历史移动速度的时间序列为输入变量,以出租车当前时间的移动速度为输出变量,采用前向验证的方法进行模型评估。利用基于贝叶斯算法的hyperopt模块实现模型参数的快速优化,得到模型最优参数组合,并基于深圳市2013年10月22日的出租车GPS轨迹数据集进行算例分析,将模型的预测结果与非参数回归模型、神经网络模型预测结果进行比较。研究表明:所构建的短时出租车速度预测模型的平均绝对误差(MAE)为9.841,均方根误差(RMSE)为12.711,均低于非参数回归模型和神经网络模型,提高了出租车速度的预测精度;由于出租车速度序列缺乏规律性,调整后的R^(2)(R^(2)_adjusted)为0.592,且相较于其他2个模型,XGBoost模型在出租车速度发生急剧变化的时间点附近具有更优的拟合效果,避免了过拟合造成的预测精度下降。
-
-
曹洁;
张敏;
张红;
陈作汉;
侯亮
-
-
摘要:
针对短时交通流不确定性极强引起的预测结果精度低的问题,提出一种改进萤火虫算法(IFA)优化RBF神经网络的短时交通流预测模型(IFA-RBF).该模型通过引入线性递减惯性权重和混沌机制,来改进FA后期存在的易陷入局部极值和种群多样性匮乏的不足,利用IFA优化RBF神经网络的连接权重和基函数宽度,以提升RBF神经网络的短时交通流预测精度.实验结果表明,与Elman、BP、RBF和FA-RBF模型相比,构建的短时交通流预测模型(IFA-RBF)具有更高的预测精度,预测值与实际值拟合度较高.
-
-
邢志伟;
刘子硕;
罗谦;
文涛;
陈肇欣;
代军
-
-
摘要:
针对进港旅客分布态势的预测能力不足问题,以某机场进港航班信息与进港旅客人数数据为基础,探究进港旅客到达分布规律。通过平衡特征因素构造改进欧式距离的双加权K近邻算法,结合进港航班计划信息驱动的时间价值函数,考虑影响各到达口旅客的特征演化规律,构建双加权K近邻的进港旅客预测模型,实现对某机场单航班进港旅客到达口人数精准预测。实验结果表明,与SVR模型和传统的K近邻模型比较,均方根误差RMSE值性能提高5.8%,拟合优度值提高7.2%。为大型机场进港旅客分布态势精准预测提供了科学依据和参考方法。
-
-
曹文超;
干宏程
-
-
摘要:
为了降低地铁车站因客流增加或突发事件产生的客流安全风险,提出了基于WiFi探针检测数据的地铁车站客流预警模型.基于WiFi探针客流数据采集原理、数据属性特征和探针网络化布设方案,实现了对WiFi探针原始数据的预处理.同时建立了基于时间序列的地铁车站短时客流预测模型,并与线性回归模型进行了比较,通过计算地铁车站客流承载能力,构建了车站客流预警指标和分级预警模型.最后以上海地铁江苏路站为例进行模型验证,结果表明,基于WiFi探针技术的地铁车站客流检测和预测模型具备可行性和有效性,且预警模型对客流预警应用和研究有一定的参考意义.
-
-
李和壁;
梁家健;
高扬
-
-
摘要:
针对传统深度学习模型在预测高速铁路短时客流时难以确定时间阈值、网络参数选取有难度等问题,提出一种基于多层感知器时间序列网络与动态搜索烟花算法的高速铁路预测模型.首先以高速铁路短时客流预测作为研究对象,将MLPs网络中每个节点作为一个感知器,模拟生物神经网络中神经元基础功能,对时间变化特征进行建模;再将dynFWA算法应用到神经网络参数多样性选择中,利用爆炸算子搜索机制对网络超参数组合进行优化,以高速铁路历史真实客流系数为基础,部分数据作为数据源,部分数据作为验证组,通过MLPs—dynFWA模型进行预测并将结果与其他预测模型进行比较,得到不同数据组在不同模型优化策略下的性能指标.通过实验结果得知,MLPs—dynFWA模型对于高速铁路短时客流预测性能最优.
-
-
赵顗;
沈玲宏;
马健霄;
邱烜利
-
-
摘要:
针对交通小区生成交通的短时预测需求,提出了综合小波分析和BP神经网络的短时预测方法.预测方法主要利用dbN小波函数对交通小区生成交通进行小波分解,利用BP神经网络对分解后的多频段波形进行短时预测,最后通过波形重构获得交通小区生成交通的短时预测结果.在构建综合小波分析和BP神经网络短时预测模型基础上,采集交通小区的实际交通生成数据,并构建短时预测的对比模型,检验构建模型的预测精度.检验结果表明:在交通小区的生成交通短时预测方面,综合小波分析和BP神经网络的组合预测模型比单独采用BP神经网络进行预测的精度更高.
-
-
杨顶;
邓明君;
徐丽萍
-
-
摘要:
路段行程车速的变化受时间和空间维度信息的综合影响,多数神经网络模型仅从时间维度上预测路段行程车速的变化规律,未能全面考虑路网结构和上下游交通状态对路段行程车速的影响.结合图卷积网络和门控循环单元构建深度学习模型,挖掘路段行程车速的时空特性.通过在线地图平台获取路段实时行程车速,使用等维递补方法更新历史序列数据,提高预测实时性.在深圳市部分区域路网上的实验结果表明,该模型的多步预测精度均在90%以上,相比自回归积分滑动平均模型、支持向量机回归模型和门控循环单元模型最高提升了6.9%、1.3%和0.4%,具有更优的路段行程车速预测效果.
-
-
-
梅杰
- 《2018年中国城市交通规划年会》
| 2018年
-
摘要:
有效泊位短时预测是停车诱导系统的关键技术之一.论文通过对现有泊位预测方法的比较分析,提出了基于LSTM神经网络的有效停车泊位短时预测模型.对模型的结构设计和训练方法进行了研究,并通过实例,和BP神经网络预测方法进行比较.结果表明:LSTM神经网络预测模型具有更高的预测精度,并且随着预测时间间隔的增加,仍能保持较高的预测精度.
-
-
-
Cui Qinghua;
崔青华;
Nie Qinghui;
聂庆慧
- 《第九届中国智能交通年会》
| 2014年
-
摘要:
为了提高行程时间短时预测的准确性,本文提出了基于多源交通数据可靠性的行程时间短时预测方法.该方法首先通过构建差分自回归移动平均-广义自回归条件异方差模型(ARIMA-GARCH模型)预测基于不同交通检测方法的行程时间及其可靠性,然后以不同交通检测方法的行程时间可靠性为基础构建最优加权数据融合模型,从而进行基于多源交通数据的行程时间短时预测.本文选取微波车辆检测器和GPS浮动车为数据源进行实例分析,性能评估结果表明本文所提出的行程时间短时预测模型的预测性能优于基于单源交通数据的行程时间短时预测模型和基于简单算术平均法的行程时间短时预测模型.
-
-
- 《第十五届全国云降水与人工影响天气科学会议暨中国人工影响天气事业50周年纪念大会》
| 2008年
-
摘要:
利用河南省新一代天气雷达探测资料,结合河南省乡镇雨量资料,设定阈值,得到较大尺度云团的回波信息,采用国外最普遍的质心线性外推方法,将新一代天气雷达混合反射率进行质心线性外推,并利用乡镇雨量站高时间分辨率的降水资料和高时间分辨率的新一代天气雷达基数据,动态生成Z-R关系,并把前一时次的Z-R关系代入到临近预报中累积外推出1 h,2 h降水预报场,预测短时最佳人工增雨作业区.实践表明在较短的时间内,线性假设的误差较小,对降水回波区域移动方向的预报有较好指导意义,此方法在一定程度上可以提高人工增雨作业的科学性和准确性.以此为基础,建立河南省人工增雨作业短时预测系统.
-
-
Zhao Yubo;
赵昱博
- 《第十五届中国智能交通年会》
| 2020年
-
摘要:
交通流量预测具有重要的现实意义,提高其预测的精准度是相关领域的研究重点.本文提出了一种基于Conv-LSTM的短时交通流量预测方法,以交通GPS数据为基础,通过数据预处理生成时空流量矩阵,利用卷积网络提取流量特征,并融合外部影响因子,对LSTM网络进行时间维度的流量预测.经实验验证,该模型性能表现较好,预测结果较为准确地反映出交通流量的变化趋势,与类似方法对比具有一定的优越性.
-
-
Zhao Yubo;
赵昱博
- 《第十五届中国智能交通年会》
| 2020年
-
摘要:
交通流量预测具有重要的现实意义,提高其预测的精准度是相关领域的研究重点.本文提出了一种基于Conv-LSTM的短时交通流量预测方法,以交通GPS数据为基础,通过数据预处理生成时空流量矩阵,利用卷积网络提取流量特征,并融合外部影响因子,对LSTM网络进行时间维度的流量预测.经实验验证,该模型性能表现较好,预测结果较为准确地反映出交通流量的变化趋势,与类似方法对比具有一定的优越性.
-
-
Zhao Yubo;
赵昱博
- 《第十五届中国智能交通年会》
| 2020年
-
摘要:
交通流量预测具有重要的现实意义,提高其预测的精准度是相关领域的研究重点.本文提出了一种基于Conv-LSTM的短时交通流量预测方法,以交通GPS数据为基础,通过数据预处理生成时空流量矩阵,利用卷积网络提取流量特征,并融合外部影响因子,对LSTM网络进行时间维度的流量预测.经实验验证,该模型性能表现较好,预测结果较为准确地反映出交通流量的变化趋势,与类似方法对比具有一定的优越性.
-
-
Zhao Yubo;
赵昱博
- 《第十五届中国智能交通年会》
| 2020年
-
摘要:
交通流量预测具有重要的现实意义,提高其预测的精准度是相关领域的研究重点.本文提出了一种基于Conv-LSTM的短时交通流量预测方法,以交通GPS数据为基础,通过数据预处理生成时空流量矩阵,利用卷积网络提取流量特征,并融合外部影响因子,对LSTM网络进行时间维度的流量预测.经实验验证,该模型性能表现较好,预测结果较为准确地反映出交通流量的变化趋势,与类似方法对比具有一定的优越性.
-
-
LENG Rong;
冷荣
- 《第十五届中国智能交通年会》
| 2020年
-
摘要:
大城市地铁路网日益复杂且承载着巨大的客流量,客流预测精度要求日益提高,地铁进出客流量的精确预测为地铁运营调度提供重要的决策基础.提出了一种基于堆叠式自编码器(stacked autoencoder)和长短时记忆(Long Short-Term Memory)结合的方法用来预测地铁工作日与周末的进出客流量.地铁客流量存在一定周期性,通过将刷卡数据转化为时序数据作为输入,构建SAE-LSTM模型,并且利用TensorFlow,Keras对模型进行搭建与验证,结果表明模型比单一的SAE与LSTM模型拟合优度提高了5.3%,证明SAE-LSTM方法能有效应用于地铁进出客流量的预测,为地铁进出站客流量预测提供了新的方法.
-
-
LENG Rong;
冷荣
- 《第十五届中国智能交通年会》
| 2020年
-
摘要:
大城市地铁路网日益复杂且承载着巨大的客流量,客流预测精度要求日益提高,地铁进出客流量的精确预测为地铁运营调度提供重要的决策基础.提出了一种基于堆叠式自编码器(stacked autoencoder)和长短时记忆(Long Short-Term Memory)结合的方法用来预测地铁工作日与周末的进出客流量.地铁客流量存在一定周期性,通过将刷卡数据转化为时序数据作为输入,构建SAE-LSTM模型,并且利用TensorFlow,Keras对模型进行搭建与验证,结果表明模型比单一的SAE与LSTM模型拟合优度提高了5.3%,证明SAE-LSTM方法能有效应用于地铁进出客流量的预测,为地铁进出站客流量预测提供了新的方法.