-
公开(公告)号：CN118097950A
公开(公告)日：2024-05-28
申请号：CN202410214381.7
申请日：2024-02-27
Applicant: 重庆邮电大学
IPC: G08G1/01
Abstract: 本发明涉及一种变系数灰色模型短时交通流预测方法，属于交通预测技术领域，包括以下步骤：S1：基于交通流数据建立初始交通流序列，得到目标交通流量序列；S2：对原始交通流序列进行预处理，即计算一阶累加生成序列，n阶累减生成序列以及均值序列；S3：建立基于高阶变系数灰色欧拉短时交通流预测模型EEGM(n,1)；并构造矩阵B和Y，得到模型参数的估计值；S4：采用粒子群算法寻优，即用粒子群算法寻找模型的最优阶数，并根据找寻到的最优阶数和最小二乘法计算的参数值构建模型；S5：通过时间响应函数计算EEGM(n,1)模型的模拟值，通过累减还原式计算其还原值。
-
公开(公告)号：CN118097950B
公开(公告)日：2025-03-11
申请号：CN202410214381.7
申请日：2024-02-27
Applicant: 重庆邮电大学
IPC: G08G1/01
Abstract: 本发明涉及一种变系数灰色模型短时交通流预测方法，属于交通预测技术领域，包括以下步骤：S1：基于交通流数据建立初始交通流序列，得到目标交通流量序列；S2：对原始交通流序列进行预处理，即计算一阶累加生成序列，n阶累减生成序列以及均值序列；S3：建立基于高阶变系数灰色欧拉短时交通流预测模型EEGM(n,1)；并构造矩阵B和Y，得到模型参数的估计值；S4：采用粒子群算法寻优，即用粒子群算法寻找模型的最优阶数，并根据找寻到的最优阶数和最小二乘法计算的参数值构建模型；S5：通过时间响应函数计算EEGM(n,1)模型的模拟值，通过累减还原式计算其还原值。
-
公开(公告)号：CN118135789B
公开(公告)日：2025-02-18
申请号：CN202410214378.5
申请日：2024-02-27
Applicant: 重庆邮电大学
IPC: G08G1/01
Abstract: 本发明涉及一种基于数据波动性的短时交通流预测方法，属于短时交通预测领域，包括以下步骤：S1：根据设定的采集周期采集历史的交通流数据，得到初始矩阵序列；S2：根据初始矩阵序列，计算一阶累加序列、一阶累减序列以及偏导数序列；S3：利用初始矩阵序列，根据交通流波动特性和偏灰色预测模型建模机理，构建交通流波动方程的二阶偏灰色模型的白化方程形式，通过离散化白化方程，得到基于交通流波动方程的二阶偏灰色模型；S4：利用最小二乘法计算模型参数，采用迭代递推的方式对预测模型进行求解。
-
公开(公告)号：CN116913105A
公开(公告)日：2023-10-20
申请号：CN202310916418.6
申请日：2023-07-24
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于循环神经灰色模型的短时交通流预测方法，属于智能交通技术领域。该方法包括：S1：采集某主路段及该主路段支路的车流量；用灰色关联度分析主路段与支路车流量的灰色关联度，选择主路段为主序列，关联度较大的支路为影响序列；S2：以主序列及影响序列建立循环神经灰色模型；S3：确定最优模拟和预测的个数，用最优方案预测该主路段的车流量。本发明的预测方法能够有效提高短时交通流的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN118135789A
公开(公告)日：2024-06-04
申请号：CN202410214378.5
申请日：2024-02-27
Applicant: 重庆邮电大学
IPC: G08G1/01
Abstract: 本发明涉及一种基于数据波动性的短时交通流预测方法，属于短时交通预测领域，包括以下步骤：S1：根据设定的采集周期采集历史的交通流数据，得到初始矩阵序列；S2：根据初始矩阵序列，计算一阶累加序列、一阶累减序列以及偏导数序列；S3：利用初始矩阵序列，根据交通流波动特性和偏灰色预测模型建模机理，构建交通流波动方程的二阶偏灰色模型的白化方程形式，通过离散化白化方程，得到基于交通流波动方程的二阶偏灰色模型；S4：利用最小二乘法计算模型参数，采用迭代递推的方式对预测模型进行求解。
-
公开(公告)号：CN116978222A
公开(公告)日：2023-10-31
申请号：CN202310913245.2
申请日：2023-07-24
Applicant: 重庆邮电大学
IPC: G08G1/01
Abstract: 本发明涉及一种基于时空数据的短时交通流预测方法，属于智能交通技术领域。该方法是：首先，通过灰色关联度分析方法和交通流的周期性选取不同路段的交通流数据，以反映交通流数据的时空特征；其次，为了提高新模型的适用性，采用粒子群优化算法寻找最佳背景值系数。最后，将该模型应用于短时交通流预测。利用交通流数据的周期性对三个不同时期的短时交通流进行预测，从预测数据趋势可以看出与原始数据的发展趋势一致。本发明模型的预测结果可以为交通管理系统提供可靠的信息，丰富交通流预测的研究方法。
-
公开(公告)号：CN119107797A
公开(公告)日：2024-12-10
申请号：CN202411122076.1
申请日：2024-08-15
Applicant: 重庆邮电大学
IPC: G08G1/01
Abstract: 本发明涉及一种短时交通流偏灰色预测方法，属于交通流预测技术领域，包括以下步骤：S1：输入通过一个路段的车流量q(0)和速度u(0)的原始矩阵序列；S2：对原始矩阵序列进行处理，计算一阶累加生成序列q(1)和u(1)，计算一阶累加序列q(1)的偏导数；S3：构造短时交通流偏灰色预测模型TFDMPGM(1,2)r，并构造矩阵B、Y，计算参数估计向量#imgabs0#的值；S4：计算模拟值和预测值#imgabs1#S5：通过平均绝对百分比误差MAPE来检验预测效果；S6：如果模拟结果通过误差检验，则采用迭代递推的方法对未来趋势进行预测，反之则返回步骤S1。
-
公开(公告)号：CN116978222B
公开(公告)日：2024-04-16
申请号：CN202310913245.2
申请日：2023-07-24
Applicant: 重庆邮电大学
IPC: G08G1/01
Abstract: 本发明涉及一种基于时空数据的短时交通流预测方法，属于智能交通技术领域。该方法是：首先，通过灰色关联度分析方法和交通流的周期性选取不同路段的交通流数据，以反映交通流数据的时空特征；其次，为了提高新模型的适用性，采用粒子群优化算法寻找最佳背景值系数。最后，将该模型应用于短时交通流预测。利用交通流数据的周期性对三个不同时期的短时交通流进行预测，从预测数据趋势可以看出与原始数据的发展趋势一致。本发明模型的预测结果可以为交通管理系统提供可靠的信息，丰富交通流预测的研究方法。
-
公开(公告)号：CN116913105B
公开(公告)日：2024-03-19
申请号：CN202310916418.6
申请日：2023-07-24
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于循环神经灰色模型的短时交通流预测方法，属于智能交通技术领域。该方法包括：S1：采集某主路段及该主路段支路的车流量；用灰色关联度分析主路段与支路车流量的灰色关联度，选择主路段为主序列，关联度较大的支路为影响序列；S2：以主序列及影响序列建立循环神经灰色模型；S3：确定最优模拟和预测的个数，用最优方案预测该主路段的车流量。本发明的预测方法能够有效提高短时交通流的预测精度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.015 seconds)
