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:
受交通工具、城市居民生活习惯等多种因素的影响,城市交通状况存在一定的时段性与周期性.本文采用自学习分类算法,建立了一个分层网络预测模型.并通过挖掘相邻时段不同点之间时空相关性,采用迭代运算实时更新预测结果.以北京市出租车数据为例进行计算表明,该模型可以预测出更加精细且准确的结果.
推荐文章
城市交通流路段行程时间预测模型
交通流
交通诱导
交通延误
占有率
基于有向含权复杂网络的城市交通路网关键路段识别
城市交通路网
关键路段
有向含权复杂网络
LinkRank算法
变异SI模型
基于神经网络的城市交通流预测研究
神经网络
城市交通
交通流
预测模型
基于BP神经网络的城市交通流预测研究
非线性
BP神经网络
交通流预测
人工智能
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 城市交通高频路段预测模型研究
来源期刊 软件 学科 工学
关键词 城市交通 高频路段 预测模型 数据挖掘
年,卷(期) 2018,(2) 所属期刊栏目 设计研究与应用
研究方向 页码范围 81-87
页数 7页 分类号 TP311.13
字数 4944字 语种 中文
DOI 10.3969/j.issn.1003-6970.2018.02.017
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 高伟 昆明理工大学信息工程与自动化学院 7 55 4.0 7.0
2 黎英 昆明理工大学信息工程与自动化学院 36 125 7.0 10.0
3 黄名钿 昆明理工大学信息工程与自动化学院 4 11 2.0 3.0
4 张金飞 昆明理工大学信息工程与自动化学院 3 7 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (53)
共引文献  (44)
参考文献  (12)
节点文献
引证文献  (2)
同被引文献  (8)
二级引证文献  (2)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(9)
  • 参考文献(2)
  • 二级参考文献(7)
2014(11)
  • 参考文献(1)
  • 二级参考文献(10)
2015(7)
  • 参考文献(3)
  • 二级参考文献(4)
2016(4)
  • 参考文献(3)
  • 二级参考文献(1)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 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)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
城市交通
高频路段
预测模型
数据挖掘
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
软件
月刊
1003-6970
12-1151/TP
16开
北京市3108信箱
1979
chi
出版文献量(篇)
9374
总下载数(次)
40
论文1v1指导