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:
近几年路面卡口监控设备数目快速增长,积累了海量过车数据。本文在对卡口数据进行修复的基础上,将日交通流分解为基准与偏差两个部分,并利用交通流的周期相似性对日交通流进行预测。结果表明,该方法可以在数据缺失或异常波动的情况下实现日交通流的,准确预测。
推荐文章
短时交通流预测方法研究
相关分析
支持向量机
交通流预测
智能交通
基于深度学习的短时交通流预测
交通流预测
深度学习
短时交通流
支持向量回归
基于模糊神经网络的短时交通流预测方法研究
模糊神经网络
短时交通流
预测方法
基于核学习方法的短时交通流量预测
核学习方法
短时交通流
预测
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 基于基准与偏差的日交通流预测方法
来源期刊 道路交通科学技术 学科 交通运输
关键词 日交通流预测 基准与偏差 ARMIA
年,卷(期) 2018,(6) 所属期刊栏目
研究方向 页码范围 53-57
页数 5页 分类号 U491.112
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)
2018(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
日交通流预测
基准与偏差
ARMIA
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
道路交通科学技术
双月刊
1006-6713
11-3680/U
江苏省无锡市钱荣路88号
出版文献量(篇)
813
总下载数(次)
17
总被引数(次)
0
论文1v1指导