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:
随着城市经济的发展和人们生活节奏的加快,智慧交通领域针对出行时间的研究已经成为热点问题.出行前预估行程中的通行时间便于人们更合理地规划出行路径,基于时间状态特征的路径规划就是解决交通问题的重要手段之一.现有模型多关注于车辆到达时间或多结合于真实历史时间数据进行预测,对浮动车的运行状态、车速等是否对时间存在影响的问题研究较少.基于此现状,提出了一种基于状态特征的道路时间预测模型,在固定时段内,利用出租车载客与否情况对轨迹数据进行深度相关性分析,结合车辆行驶速度构建一个基于密度划分的双参卷积理论模型,用得到的最终速度值对通行时间进行计算.实验结果表明该模型算法与传统时间预测算法相比有更高的精确度和实用性,提高了人们对出行安排的合理化和层次化,对制定城市道路出行策略具有重要的意义.
推荐文章
基于深度卷积神经网络的交通流量预测数学模型设计
交通流量预测
智能交通
数学模型
深度神经网络
预测精度
仿真实验
基于交通数据融合技术的行程时间预测模型
数据融合
行程时间
预测模型
小波神经网络
遗传算法
基于卷积神经网络与双向长短时记忆网络组合模型的短时交通流预测
智能交通
短时交通流预测
深度学习
CNN
BiLSTM
双车道公路交通安全事故预测模型研究
双车道公路
交通安全预测模型
应用分析
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 双参卷积理论模型预测交通通行时间
来源期刊 计算机工程与应用 学科 工学
关键词 城市交通 时间预测 皮尔逊相关系数 双参卷积理论模型 出行时间 机器学习
年,卷(期) 2020,(20) 所属期刊栏目 工程与应用
研究方向 页码范围 258-263
页数 6页 分类号 TP391
字数 语种 中文
DOI 10.3778/j.issn.1002-8331.1909-0092
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 刘美玲 13 44 2.0 6.0
2 金楠森 3 0 0.0 0.0
3 谷欣然 1 0 0.0 0.0
4 韩雨彤 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (29)
共引文献  (13)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(4)
  • 参考文献(1)
  • 二级参考文献(3)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(4)
  • 参考文献(1)
  • 二级参考文献(3)
2016(3)
  • 参考文献(2)
  • 二级参考文献(1)
2017(4)
  • 参考文献(2)
  • 二级参考文献(2)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(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
城市交通
时间预测
皮尔逊相关系数
双参卷积理论模型
出行时间
机器学习
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导