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:
针对城市路段旅行时间精准推送的不足,提出一种基于动态规划变点检测算法的旅行时间预测方法.以车牌识别数据为研究对象,利用R-FP OP算法对旅行时间均值变点进行在线检测,研究变点时域分布特征;基于均值变点检测结果,预测旅行时间并给出其预测区间.结果表明:在线检测出的变点能够有效辨识旅行时间的均值突变,变点时域分布主要集中在高峰期;旅行时间预测值对实际序列变化趋势估计准确,推送的预测区间平均覆盖率为79.54%,具有较优的预测精度.论文方法兼顾旅行时间均值突变且建模简单,可为路段旅行时间的在线智能推送及交通需求者的路线规划提供技术支持.
推荐文章
基于多源数据融合的城市道路旅行时间预测
交通工程
旅行时间预测
BP神经网络
多源数据融合
基于MapReduce的城市道路旅行时间短时预测
旅行时间预测
MapReduce
卡尔曼滤波
基于MapReduce的城市道路旅行时间实测计算
旅行时间
MapReduce
分布式计算
智能交通
基于GA的最小旅行时间的多旅行商问题研究
遗传算法
多旅行商问题
最小完成时间
解码方法
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R-FP OP变点检测的城市路段旅行时间预测
来源期刊 贵州大学学报(自然科学版) 学科 交通运输
关键词 交通工程 旅行时间预测 R-FPOP 变点 智能导航
年,卷(期) 2019,(2) 所属期刊栏目 工程科学研究及应用
研究方向 页码范围 101-108
页数 8页 分类号 U491.1
字数 5600字 语种 中文
DOI 10.15958/j.cnki.gdxbzrb.2019.02.20
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 王丹 厦门大学数学科学学院 12 8 1.0 2.0
2 胡尧 贵州大学数学与统计学院 44 101 5.0 7.0
4 商明菊 贵州大学数学与统计学院 7 5 1.0 2.0
7 周江娥 贵州大学数学与统计学院 5 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  (16)
共引文献  (49)
参考文献  (20)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1989(2)
  • 参考文献(2)
  • 二级参考文献(0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(5)
  • 参考文献(2)
  • 二级参考文献(3)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(3)
  • 参考文献(2)
  • 二级参考文献(1)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(4)
  • 参考文献(4)
  • 二级参考文献(0)
2017(4)
  • 参考文献(4)
  • 二级参考文献(0)
2018(4)
  • 参考文献(4)
  • 二级参考文献(0)
2019(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
交通工程
旅行时间预测
R-FPOP
变点
智能导航
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
贵州大学学报(自然科学版)
双月刊
1000-5269
52-5002/N
16开
贵州省贵阳市花溪
1982
chi
出版文献量(篇)
3181
总下载数(次)
5
总被引数(次)
11240
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导