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:
针对传统交通控制与诱导模型及算法的不足,提出了具有中心协调系统(CCOS)的交通控制与诱导协同模型.利用数据融合技术将历史数据的短时交通预测、交通事件检测结果以及实时交通流数据设计面向交通动态的信息融合,并采用神经网络技术构建基于神经网络的交通控制诱导协同模型,同时对模型的参数进行了确定.通过典型的路网进行仿真实验和对比分析,实验验证了该模型是可行和有效的.
推荐文章
基于神经网络的通用模型自适应控制
通用模型控制
复合正交神经网络
二阶系统
自适应逆控制
基于PSO的BP神经网络-Markov船舶交通流量预测模型
船舶交通流量预测
BP神经网络
马尔科夫模型(Markov模型)
粒子群优化(PSO)
基于粒子群的模糊神经网络交通流量预测
短时交通流
预测模型
模糊神经网络
粒子群算法
基于粒子群的模糊神经网络交通信号控制
交通控制
模糊神经网络
车辆平均延误
粒子群算法
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 基于神经网络的交通控制诱导协同模型
来源期刊 电脑与电信 学科 交通运输
关键词 交通控制 交通诱导 数据融合 神经网络 协同模型
年,卷(期) 2017,(7) 所属期刊栏目 基金项目
研究方向 页码范围 17-22,25
页数 7页 分类号 U491
字数 5028字 语种 中文
DOI
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 杨朝霞 中山大学数学学院 46 339 10.0 16.0
2 周权 广州大学数学与信息科学学院 35 231 8.0 14.0
3 傅贵 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (32)
共引文献  (26)
参考文献  (6)
节点文献
引证文献  (2)
同被引文献  (7)
二级引证文献  (0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(6)
  • 参考文献(0)
  • 二级参考文献(6)
2015(4)
  • 参考文献(0)
  • 二级参考文献(4)
2016(2)
  • 参考文献(1)
  • 二级参考文献(1)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
交通控制
交通诱导
数据融合
神经网络
协同模型
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
电脑与电信
月刊
1008-6609
44-1606/TN
大16开
广州市连新路171号国际科技中心B108室
1995
chi
出版文献量(篇)
8962
总下载数(次)
13
总被引数(次)
9565
论文1v1指导