针对城市地区机载激光扫描数据(ALS)中提取数字地面模型这一问题,提出了一种基于多尺度的由粗到细的滤波算法。通过计算每个点与其周围一定邻域内激光点的几何特征值关系,将点云粗分类为平面点、边缘点和离散点
Braess悖论在交通中的解释与交通流,很实用。
为了提高短时交通流量预测精度,利用相空间重构和预测模型参数间的相互联系,提出一种粒子群优化神经网络的短时交通流量预测模型。将相空间重构和预测模型参数编码为粒子群的粒子,短时交通流量预测精度作为粒子群的
平面环行交叉路口交通流的研究 从道路结构出发,对具有内、外环道的平面环形交叉路口建立了具有多个道路瓶颈的元胞自动机模型,对平面 环行交叉路口的交通流进行研究+ 计算机模拟结果表明,环形交叉路口的内环道
通过在目标路口构建贝叶斯交通网(BNs),并对与此交通网相关的交通流建立非平稳季节(SARIMA)模型,采用最小二乘法(OLS)取得相应模型的最佳权重组合,对缺失数据下的城市道路短时交通流进行预测。使
本文聚焦于嵌入式系统下的智能交通流控,主要关注交通信号灯的控制与优化。通过深入分析传统交通信号灯控制存在的问题,例如时间分配不合理、车流信息无法实时响应等,本研究提出并实现了一种嵌入式系统下的智能交通
随着中国城市化进程的加速,城市规模的不断扩大以及城市车辆的不断增加,导致道路负荷日益加重,城市交通拥堵情况越来越严重。这种现象不仅制约了社会发展的速度,而且给城市的建设者、管理者提出了一系列的难题[1
针对传统的短时交通流量预测算法存在精度低和误差大的缺点,提出一种基于EMD和LSSVM组合模型的短时交通流量预测模型。针对短时交通流量数据,运用经验模态分解EMD分解技术将短时交通流量数据分解成个若干
最后,选取成都绕城高速外环K66+850、K67+985两个 监控点位的车牌识别数据,W5mm为时间间隔进行交通流参数短时预测,并同实际检 测数据进行了对比,证明了基于车牌识别数据进行交通流
基于混沌和神经网络的短时交通流预测
