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。
1
在keras神经网络框架下,训练提前收集的车流量数据,对未来车流量预测
自适应参数寻优短期车流量预测.pdf
2022-04-06 00:22:38 825KB 技术文档
行业分类-物理装置-一种高速公路上车流量预测方法及装置.zip
这个智能交通系统包含了车流量统计、预测,车辆轨迹追踪,红绿灯时间智能调控的功能
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