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
实现内容：1.时间序列上，已知之前数据，预测未来数据。(ARMA模型)
2.有邻阶矩阵，通过其他路口预测对应路口车流量。(线性回归模型)
文件中包含项目题目说明，数据，实现代码，代码说明以及代码分析，有问题可以私信。
qq：1140087313
2021-02-19 13:02:10
478KB