车流量建模是车联网（vehicular Ad Hoc network，VANET）路由、多媒体接入协议、无线算法设计的基础。准确的车流量模型将对智能交通系统（intelligent transportation system，ITS）实时调度和车联网的信息安全起到十分重要的作用。基于上海市的交通流量数据，利用自回归（auto regressive，AR）模型与神经（back-propagation，BP）网络模型对车流量实测数据进行了仿真对比，给出了相应的预测结果。研究发现，两个模型均能有效地对数据进行跟踪与预测，但对不同时段数据预测的准确性有所不同。研究结果将为未来智能交通应用、车联网的理论研究等提供有力依据。
2022-12-27 07:26:11
1.03MB
1
基于对交通流量预测存在的问题的分析，用极大似然估计法对路段交通流量进行预测。这种方法的实质，是将连续的观测时段的上游观测量作为自变量，用极大似然估计法估计出观测量与下游预测量之间的关系，从而预测交通流量。实例结果表明，预测值与实际值的最大误差率为5.76%。
2022-11-29 15:53:10
268KB
1
应用图神经网络而不是视觉卷积的优势，一个带有图层的类似U-Net的模型。进一步将现有的图形操作专业化，使其对地理拓扑结构敏感，并将池化和上采样操作概括为适用于图形。
（完整源码和数据）
2022-11-22 11:25:24
20.28MB
1
图卷积网络 | PyTorch实现图卷积网络（GCN、GAT、Chebnet）的交通流量预测
> 交通流量预测。图卷积网络（GCN、GAT、Chebnet）的实现 用PyTorch实现
>
> 要求
>
> - Pytorch
>
> - Numpy
>
> - Pandas
>
> - Matplotlib
>
> 数据集实例：
>
> 这些数据集由加州交通局性能测量系统（PEMS-04）收集。
>
> 数量：307个检测器
> 特点:流量、占用、速度。
>
> 探测数据分析。
>
> 1.有三个特征:流量、占有率和速度。首先，我们对数据分布进行可视化分析
>
> 2.运行代码：python data_view.py
>
> 3.每个节点（检测器）都有三个特征，但两个特征的数据分布基本上是静止的，所以我们只取第一维特征。
>
> 读取数据集。
>
> 在traffic_dataset.py文件中，get_adjacent_matrix和get_flow_data函数是用来读取相邻矩阵和流量数据。
>
> 模型训练。
>
> 在traffic_predi
2022-11-21 15:26:58
39.65MB
1
MATLAB源程序23 小波神经网络的时间序列预测-短时交通流量预测.zip
2022-11-18 16:27:54
7KB
根据交通流的时空关联性和非线性,提出一种基于时空分析的短时交通流量预测模型。在相关系数的基础上扩展时空语义,提出时空相关分析算法,并以支持向量机为预测工具进行预测。弥补现有模型在预测因子选取方面的不足,提高预测精度并避免预测的人为主观性。实验结果表明了算法和模型的有效性。
2022-11-15 20:54:10
5.89MB
1
人工智人-家居设计-基于WebGIS的智能交通流量信息发布系统的设计与实现.pdf
2022-07-14 16:03:40
3.35MB