交通流特性

交通流中机动车辆的轮廓提取与标识附带视频

分享了四种基于Q=D·v的交通流模型，并采用Matlab进行绘图，以供进行道路交通规划和交通大数据分析研究参考。

为提高短时交通流预测模型精度，分析了GM(1，1)模型和灰色Verhulst模型的特点，发现GM(1，1)模型适用于具有较强指数规律的序列，只能描述单调的变化过程，而Verhulst模型则适用于非单调

基于视觉的交通路况检测系统，包括车流量检测，车速检测，车型分类

摘要该文以Java 语言为仿真工具，通过构造二维细胞自动机模型，对平面十字交叉路口的交通流进行了分析和模 拟控制。仿真结果较为理想，这充分说明了细胞自动机极其广泛的应用前景。

MATLAB元胞自动机交通流双车道，包括脚本文件和函数文件

支持车道数量变化，有跟车换道模型，方便更改参数，可以用于元胞自动机的学习

为了提高船舶交通流预测的效率和准确率,分析了船舶流量预测中的影响因素多、非线性、随机性等问题,建立了ELM(极限学习机)预测模型。同时为了避免极限学习机算法受输入权值矩阵和隐含层偏差随机性的影响,算法

针对船舶交通流预测中存在复杂性、非线性、受限因素多等特点,运用果蝇优化算法,建立了优化的广义回归神经网络船舶交通流预测模型。通过利用果蝇优化算法的全局寻优特性对广义回归神经网络进行参数优化,从而实现对

短时交通流的准确高效预测对于智能交通系统的应用十分关键,但较强的非线性和噪声干扰使其对模型的灵活性要求较高,并且还需在尽可能短的时间内处理大量的数据。因此,讨论了用随机森林模型对短时交通流进行预测,该