基于数据挖掘的固定型交通检测器配置优化

• 作者: 牙韩高 覃频频 黄大明
• 来源期刊: 交通与计算机
• 学科: 交通运输
• 关键词: 数据挖掘 指数平滑 ARIMA 前馈神经网络 检测器 小时交通量
• 年，卷（期）: 2005,（5）
• 所属期刊栏目: 智能运输系统
• 页码范围: 17-21
• 页数: 5页
• 分类号: U491
• 字数: 4854字
• 语种: 中文
• DOI: 10.3963/j.issn.1674-4861.2005.05.005

摘要

结合固定型交通检测器空间配置的4条原则和配置密度优化步骤,提出基于数据挖掘技术的固定型交通检测器配置优化方法.设计6种高速公路出口匝道的固定型交通检测器配置密度方案作为实例研究对象,运用数据挖掘技术的时间序列指数平滑方法、ARIMA方法和神经网络方法分别建立高速公路出口匝道小时交通量Winters预测模型、ARIMA预测模型及神经网络预测模型.采用网格搜索技术确定Winters模型参数,设计一种比传统ARIMA模型参数估计方法更精确的算法程序,来估计ARIMA模型参数,采用3项误差指标评价模型预测效果.根据预测结果及高速公路事件管理交通参数精度要求确定可行方案及最佳方案.实例研究表明,在保证满足ITS 对交通参数精度要求的同时,通过数据挖掘技术降低了交通流信息采集固定型检测器的配置密度及成本.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄大明		61	681	14.0	24.0
2	覃频频		30	215	9.0	14.0
6	牙韩高		14	105	7.0	9.0