基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
智能交通系统是目前世界上公认的解决城市交通拥堵问题的最佳方案,实时、准确的交通流量预测是智能交通系统实现的关键技术之一。本文采用改进型BP神经网络建立起交通流的时间序列模型,该模型可用于短期内道路交通流量的预测。
推荐文章
分段学习的双隐层BPNN对交通流量预测的研究
智能交通系统
双隐层BP神经网络
交通流量
CS 算法优化 BP 神经网络的短时交通流量预测
短时交通流量
相空间重构
布谷鸟搜索算法
高斯扰动
反向传播(BP)神经网络
基于IPSO-BP神经网络的短时交通流量预测
智能交通
短时交通流量预测
BP神经网络
改进粒子群算法
预测精度
并行广义神经网络的交通流预测
交通流预测
广义神经网络
并行计算
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于分段学习的BP神经网络的交通流量预测
来源期刊 ITS通讯 学科 交通运输
关键词 智能交通 交通诱导 神经网络 交通预测
年,卷(期) 2006,(2) 所属期刊栏目
研究方向 页码范围 28-30
页数 3页 分类号 U412.352
字数 语种
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
智能交通
交通诱导
神经网络
交通预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
ITS通讯
季刊
1726-1953
清华大学新水利馆112室(何善衡楼)20
出版文献量(篇)
328
总下载数(次)
1
总被引数(次)
0
论文1v1指导