作者:
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:
装载CPS的浮动车在社会交通流中比重越来越高,已成为主要的行程时间采集手段.研究了基于浮动车的城市道路路段行程时间预测算法,输入数据包括静态空间属性数据、行程时间历史备份数据和基于GPS采集的动态交通行程时间数据,并以5 min为预测间隔进行20 min短时行程时间预测.最后经2.1 km含3个交叉口的路段预测验证,表明该算法单方向单次最大误差23.0%;经过滚动预测,单方向平均绝对误差为5%~6%,精度满足用于城市道路路段的信息发布要求.
推荐文章
基于车牌自动识别系统的城市道路行程时间预测算法
行程时间
预测算法
车牌自动识别
基于浮动车数据的城市道路行程时间估计
交通工程
行程时间估计
同分布融合
浮动车数据
城市道路智能养护的研究
城市道路
智能养护
研究
基于交通数据融合技术的行程时间预测模型
数据融合
行程时间
预测模型
小波神经网络
遗传算法
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 基于浮动车的城市道路行程时间预测算法研究
来源期刊 中国市政工程 学科 交通运输
关键词 城市道路 道路交通流 浮动车数据 城市道路路段 行程时间预测
年,卷(期) 2011,(2) 所属期刊栏目 科学技术研究
研究方向 页码范围 80-82
页数 分类号 U491
字数 2522字 语种 中文
DOI 10.3969/j.issn.1004-4655.2011.02.030
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 朱国华 9 49 5.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (20)
参考文献  (4)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(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)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
城市道路
道路交通流
浮动车数据
城市道路路段
行程时间预测
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
中国市政工程
双月刊
1004-4655
31-1523/TU
大16开
上海市东方路3447号
1976
chi
出版文献量(篇)
4109
总下载数(次)
5
总被引数(次)
14301
论文1v1指导