吉林大学学报(工学版) ›› 2010, Vol. 40 ›› Issue (05): 1220-1224.

• 论文 • 上一篇    下一篇

基于小波分析的交通参数组合预测方法

冯金巧1,杨兆升2,孙占全1,张立东1,刘威1   

  1. 1.山东省计算中心,济南 250014;2.吉林大学 交通学院,长春 130022
  • 收稿日期:2008-11-23 出版日期:2010-09-01 发布日期:2010-09-01
  • 通讯作者: 冯金巧(1978-),女,博士,副研究员.研究方向:交通工程.E-mail:fengjinqiao2002@163.com E-mail:fengjinqiao2002@163.com
  • 作者简介:冯金巧(1978-),女,博士,副研究员.研究方向:交通工程.E-mail:fengjinqiao2002@163.com
  • 基金资助:

    山东省科技攻关项目(2008GG10001018)

Combined method for traffic parameter prediction based on wavelet analysis

FENG Jin-qiao1,YANG Zhao-sheng2,SUN Zhan-quan1,ZHANG Li-dong1,LIU Wei1   

  1. 1.Shandong Computer Science Center|Ji'nan 250014|China;2. College of Transportation, Jilin University,Changchun 130022,China
  • Received:2008-11-23 Online:2010-09-01 Published:2010-09-01

摘要:

为了更加准确地预测交通参数的变化趋势,结合小波理论处理时变信息的优势,设计了一种在小波分析的基础上利用BP神经网络进行预测的组合预测方法。该方法采用小波理论与神经网络结合的策略,具有普适性,且比传统的基于小波分析的组合预测过程简单,为大运算量的实时应用提供了可能。利用实际数据对该方法进行了验证,并与对比算法进行了效果对比。结果表明,本文提出的方法预测效果较好,具有一定的实用性。

关键词: 交通运输工程, 交通参数预测, 组合预测, 小波分析, BP神经网络

Abstract:

Considering the superiority of the wavelet theory in dealing with the timevarying informations, a combined method was proposed based on the wavelet analysis and the BP neural network to predict the trend of the traffic parameters more accurately. The new method is characterized by general adaptability because of the strategy combining the wavelet theory and the neural network. It is simpler than the traditional waveletbased combined method, providing the possibility of application in the realtime large amount computation. The method was verified by the practical traffic data and compared with the traditional equivalence. The results show that the proposed method leads to better prediction, is applicable for the real condition.

Key words: engineering of communications and transportation, traffic parameter prediction, combined prediction, wavelet analysis, BP neural network

中图分类号: 

  • U491
[1] 徐洪峰, 高霜霜, 郑启明, 章琨. 信号控制交叉口的复合动态车道管理方法[J]. 吉林大学学报(工学版), 2018, 48(2): 430-439.
[2] 刘东亮, 王秋爽. 基于NGSIM数据的车辆瞬时速度获取方法[J]. 吉林大学学报(工学版), 2018, 48(1): 330-335.
[3] 王德军, 吕志超, 王启明, 张贤达, 王子健. 基于汽缸压力辨识的发动机失火故障诊断[J]. 吉林大学学报(工学版), 2017, 47(3): 917-923.
[4] 黄璇, 郭立红, 李姜, 于洋. 改进粒子群优化BP神经网络的目标威胁估计[J]. 吉林大学学报(工学版), 2017, 47(3): 996-1002.
[5] 王海玮, 温惠英, 刘敏. 夜间环境驾驶员精神负荷的生理特性评估与实验[J]. 吉林大学学报(工学版), 2017, 47(2): 420-428.
[6] 刘海鸥, 张国鑫, 席军强, 张洪彦, 徐宜. 履带车辆传动系统动态载荷谱信号去噪[J]. 吉林大学学报(工学版), 2017, 47(1): 42-49.
[7] 郭应时, 付锐, 赵凯, 马勇, 袁伟. 驾驶人换道意图实时识别模型评价及测试[J]. 吉林大学学报(工学版), 2016, 46(6): 1836-1844.
[8] 姜桂艳, 刘彬, 隋晓艳, 马明芳. 基于IC卡收费系统的公交客流信息实时采集方法[J]. 吉林大学学报(工学版), 2016, 46(4): 1076-1082.
[9] 宗芳, 王占中, 贾洪飞, 焦玉玲, 吴杨. 基于支持向量机的通勤日活动-出行持续时间预测[J]. 吉林大学学报(工学版), 2016, 46(2): 406-411.
[10] 潘义勇, 马健霄, 孙璐. 基于可靠度的动态随机交通网络耗时最优路径[J]. 吉林大学学报(工学版), 2016, 46(2): 412-417.
[11] 李世武, 徐艺, 孙文财, 王琳虹, 郭梦竹, 柴萌. 基于瞳孔直径的撞固定物冲突自反馈识别方法[J]. 吉林大学学报(工学版), 2016, 46(2): 418-425.
[12] 赵淑芝, 梁士栋, 马明辉, 刘华胜, 朱永刚. 信号交叉口实时排队长度估计[J]. 吉林大学学报(工学版), 2016, 46(1): 85-91.
[13] 李寿涛, 田微, 郭鹏程, 马用学, 张浩, 王楠. 基于模糊自适应的BP神经网络动态行驶车辆车长测算[J]. 吉林大学学报(工学版), 2015, 45(6): 1881-1886.
[14] 高明亮, 于生宝, 郑建波, 徐畅, 张堃, 栾卉. PSBP在高密度电阻率法二维反演中的应用[J]. 吉林大学学报(工学版), 2015, 45(6): 2026-2033.
[15] 刘华胜,赵淑芝,朱永刚,李晓玉. 基于有效路径的轨道交通接运线路设计模型[J]. 吉林大学学报(工学版), 2015, 45(2): 371-378.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!