首页|期刊简介|投稿指南|分类索引|刊文选读|订阅指南|资料|样刊邮寄查询|常见问题解答|联系我们
张惠玲,刘晓晓,杨林玉. 基于小波-Elman神经网络的信号交叉口首车到达时间预测[J]. 科学技术与工程, 2019, 19(28): 366-371.
ZHANG Huiling.Forecasting the first vehicle’s arrival time at the signalized intersection based on wavelet-Elman neural network[J].Science Technology and Engineering,2019,19(28):366-371.
基于小波-Elman神经网络的信号交叉口首车到达时间预测
Forecasting the first vehicle’s arrival time at the signalized intersection based on wavelet-Elman neural network
投稿时间:2019-03-11  修订日期:2019-05-13
DOI:
中文关键词:  交通工程 信号交叉口 首车到达时间 小波分析-Elman神经网络 短时预测
英文关键词:traffic engineering  signalized intersection  the first vehicle arrival  wavelet-Elman neural network  short time forecast
基金项目:国家自然科学基金(51508061); 重庆市教委项目(KJQN201800727);山地城市交通系统与安全重庆市重点实验室开放基金资助项目(2018TSSMC03)
        
作者单位
张惠玲 山地城市交通系统与安全重庆市重点实验室
刘晓晓 重庆交通大学 交通运输学院
杨林玉 重庆交通大学 交通运输学院
防城港市物流规划建设管理办公室
摘要点击次数: 175
全文下载次数: 43
中文摘要:
      信号交叉口首车到达时间与交叉口进口道的延误等参数具有密切的关系。论文选取信号交叉口首车到达交叉口时间与红灯启亮时间的时间差作为分析对象,对首车的到达时间进行了预测。考虑到周期时长的首车到达时间序列数据波动性较大,首先,使用了互信息法和Cao方法确定了相关参数,并应用最大李雅普诺夫指数判别时间差时间序列的混沌特性,然后,运用小波-Elman神经网络预测方法对首车的到达时间进行了预测,结果表明,预测数据的误差均值为3.13s。研究成果为信号交叉口延误参数的提取和信号配时优化提供了可靠的数据来源。
英文摘要:
      The approach delay has close relationship with the first vehicle’s arriving time at the signalized intersections. The research parameter is the difference time between the red light beginning time and the first vehicle’s arriving time, and the parameter has been forecasted. Considering the volatile of the first vehicle’ arrival time series, the mutual information and Cao method has been used to calculate the parameter that needed in the maximum Lyapunov index discrimination, and the chaotic characteristics has been proved. Then, the time has been forecasted using the wavelet-Elman neural network method. It is proved that the average error is 3.13s. The research result can provide reliable data for the delay extraction and signal time optimization.
查看全文  查看/发表评论  下载PDF阅读器
关闭
你是第31871901位访问者
版权所有:科学技术与工程编辑部
主管:中国科学技术协会    主办:中国技术经济学会
Tel:(010)62118920 E-mail:stae@vip.163.com
京ICP备05035734号-4
技术支持:本系统由北京勤云科技发展有限公司设计

京公网安备 11010802029091号