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:
交通流时间序列的研究主要采用数据挖掘和机器学习的方法,这些"黑箱"挖掘方法很难直观反映序列特性.为增强交通流时间序列及其特征分析的可视化性,结合可视图理论来构建交通流时间序列的关联网络,从复杂网络角度实现交通流时间序列的特性分析.在网络构建的过程中,考虑到不同交通状态下交通流表征具有的差异性,首先利用交通流参量的相关性对交通流状态进行分类,然后构建不同交通状态下的时间序列复杂网络,并对这些网络的特征属性给出统计分析,如度分布、聚类系数、网络直径、模块化等.研究表明,可视图法可为交通流时间序列映射到网络提供有效途径,并且不同状态下交通流时间序列构建的复杂网络的模块化、聚类系数和度分布等统计特征呈现一定的变化规律,为交通流运行态势的研究提供了可视化的分析角度.
推荐文章
基于复杂网络理论的空中交通流时间序列分析
空中交通流
复杂网络
时间序列分析
可视图
拓扑分析
利用模糊时间序列进行短时交通流预测
短时交通流预测
模糊时间序列
时变模糊时间序列
时不变模糊时间序列
改进时间序列模型在高速公路短时交通流量预测中的应用
交通工程
交通流量预测
时间序列
样本序列
动态建模
参数调整
基于时间序列与BP-ANN的短时交通流速度预测模型研究
时间序列
人工神经网络
短时预测
交通流速度
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 结合可视图的多状态交通流时间序列特性分析
来源期刊 物理学报 学科
关键词 交通流时间序列 可视图 复杂网络 聚类分析
年,卷(期) 2017,(23) 所属期刊栏目 总论
研究方向 页码范围 56-65
页数 10页 分类号
字数 语种 中文
DOI 10.7498/aps.66.230501
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 王世广 吉林大学交通学院 5 42 3.0 5.0
2 于德新 吉林大学交通学院 27 305 9.0 17.0
6 田秀娟 吉林大学交通学院 42 203 8.0 11.0
7 邢雪 吉林大学交通学院 4 5 1.0 2.0
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  (5)
同被引文献  (33)
二级引证文献  (3)
2017(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(3)
  • 引证文献(3)
  • 二级引证文献(0)
2019(3)
  • 引证文献(1)
  • 二级引证文献(2)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
交通流时间序列
可视图
复杂网络
聚类分析
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
物理学报
半月刊
1000-3290
11-1958/O4
大16开
北京603信箱
2-425
1933
chi
出版文献量(篇)
23474
总下载数(次)
35
总被引数(次)
174683
论文1v1指导