交通流參數(shù)及交通事件動態(tài)預(yù)測方法

內(nèi)容概要

　　《交通流參數(shù)及交通事件動態(tài)預(yù)測方法》將以分析道路正常、異常交通流特性為起點，采取其他學(xué)科的先進方法動態(tài)預(yù)測交通流參數(shù)，并將研究成果應(yīng)用到交通事件動態(tài)預(yù)測算法的研究中?！督煌鲄?shù)及交通事件動態(tài)預(yù)測方法》闡述了交通流的年變、季變、月變、周變規(guī)律以及路段上車流運行規(guī)律，系統(tǒng)分析了幾種先進的預(yù)測算法用于交通流動預(yù)測的原理、方法和實用性，建立了相應(yīng)的預(yù)測模型，探討了其預(yù)測的精度、實時性以及時空移植性，并構(gòu)建了合理的算法評價體系。

作者簡介

　　朱順應(yīng)，中共黨員。1967年3月生，博士，教授，博士生、碩士生導(dǎo)師。長期從事交通規(guī)劃與管理、交通安全和智能交通方向研究。曾任重慶市首批交通規(guī)劃與管理學(xué)科后備學(xué)科帶頭人，中國教育部交通工程學(xué)科教學(xué)指導(dǎo)委員會委員、中國交通工程學(xué)會理事、中國交通部軟科學(xué)專家?guī)斐蓡T、重慶市智能專家委員會委員、重慶市綜合交通規(guī)劃咨詢專家、重慶市暢通工程專家、重慶市交通安全專家、重慶市交通工程評標(biāo)專家，湖北省公路協(xié)會環(huán)境保護與安全專業(yè)委員會副秘書長。1992年5月至2004年9月前在重慶交通學(xué)院工作，2004年9月起擔(dān)任武漢理工大學(xué)交通學(xué)院交通工程系主任，教授、博士生、博士生導(dǎo)師，中國最著名的交通專家之一。交通界人士敬稱為“中國交通界的四小龍”“西南半邊天”。2003年來負(fù)責(zé)完成省部級課題2項，負(fù)責(zé)完成橫向課題50余項

書籍目錄

1 緒論1.1　什么是“動態(tài)預(yù)測”算法1.2　國內(nèi)外研究現(xiàn)狀1.3　本書的主要內(nèi)容2 交通調(diào)查與數(shù)據(jù)分析2.1　交通調(diào)查2.1.1　交通觀測2.1.2　交通模擬2.1.3　數(shù)據(jù)處理2.2　交通流特性分析2.2.1　小流量交通特性2.2.2　大流量交通特性2.2.3　常發(fā)性擁擠交通特性2.2.4　偶發(fā)性擁擠交通特性2.3　交通流參數(shù)變化規(guī)律2.4　交通流參數(shù)的可預(yù)測性3 交通流預(yù)測常規(guī)算法3.1　短時交通流預(yù)測原理3.1.1　宏觀模型預(yù)測原理3.1.2　微觀模型預(yù)測原理3.2　移動平均法3.2.1　簡單移動平均法3.2.2　加權(quán)移動平均法3.2.3　趨勢移動平均法3.3　指數(shù)平滑法3.3.1　一次指數(shù)平滑法3.3.2　二次指數(shù)平滑法3.3.3　差分一指數(shù)平滑法3.4　時間序列法3.5　神經(jīng)網(wǎng)絡(luò)法3.5.1　線性神經(jīng)網(wǎng)絡(luò)模型3.5.2　BP神經(jīng)網(wǎng)絡(luò)模型3.5.3　R13F神經(jīng)網(wǎng)絡(luò)模型4 交通流動態(tài)預(yù)測小波法4.1　研究現(xiàn)狀4.2　小波分析法4.2.1　連續(xù)小波變換4.2.2　離散小波變換4.2.3　多分辨分析與Mallat算法4.3　基于小波分解和支持向量回歸的短時交通流預(yù)測4.3.1　支持向量機4.3.2　支持向量回歸4.3.3　支持向量機的學(xué)習(xí)算法4.3.4　基于小波分解和支持向量回歸的交通流預(yù)測模型4.4　基于小波神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測4.4.1　小波神經(jīng)網(wǎng)絡(luò)4.4.2　小波神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法及改進4.4.3　基于小波神經(jīng)網(wǎng)絡(luò)的交通流預(yù)測方法5 交通流動態(tài)預(yù)測分形法5.1　分形的概念及分形維數(shù)5.1.1　分形的概念5.1.2　分形維數(shù)的定義及其計算5.2　交通流的分形與混沌分析5.2.1　交通流時間序列的遞歸圖5.2.2　交通流時間序列的混沌判據(jù)——最大Lyapunov指數(shù)5.2.3　利用最大Lyapunov指數(shù)預(yù)測交通流5.2.4　交通流時間序列的Kolmogorov熵5.3　交通流時間序列的分形預(yù)測法5.3.1　基于分形概念的交通流預(yù)測5.3.2　基于分形自相似性的預(yù)測——移動平均自回歸最近鄰域綜合預(yù)測法6 交通流動態(tài)預(yù)測控制論法6.1　反饋控制理論6.1.1　開環(huán)控制6.1.2　閉環(huán)控制6.1.3　反饋系統(tǒng)的傳遞函數(shù)6.2　自適應(yīng)控制算法6.3　交通流預(yù)測控制論法6.3.1　基于反饋控制的預(yù)測模型6.3.2　模型參數(shù)標(biāo)定6.3.3　自適應(yīng)預(yù)測控制器的設(shè)計6.3.4　實例應(yīng)用7 交通流動態(tài)預(yù)測雙點及多點模型7.1　交通流動態(tài)預(yù)測雙點模型7.2　交通流動態(tài)預(yù)測多點模型7.3　參數(shù)標(biāo)定7.3.1　確定權(quán)重7.3.2　確定系數(shù)矩陣7.4　預(yù)測實例8 短期交通流預(yù)測綜合評價8.1　評價模型8.1.1　二級模糊綜合評判法原理8.1.2　建立因素集8.1.3　建立權(quán)重集8.1.4　建立備擇集8.1.5　確定隸屬函數(shù)8.1.6　模糊綜合評判8.2　交通流參數(shù)預(yù)測最佳方法8.2.1　預(yù)測方法評價8.2.2　智能預(yù)測系統(tǒng)8.3　最佳預(yù)測時間間隔與窗口長度8.3.1　預(yù)測窗口長度8.3.2　最佳窗口長度與時間間隔的關(guān)系8.3.3　不同時間間隔預(yù)測效果定量比較8.4　不同參數(shù)預(yù)測效果的比較8.4.1　交通參數(shù)的敏感性分析8.4.2　交通量預(yù)測8.4.3　時間占有率預(yù)測8.4.4　地點車速預(yù)測9 交通事件檢測算法9.1　交通事件檢測綜述9.1.1　比較(模式識別)算法9.1.2　統(tǒng)計算法9.1.3　時間序列和平滑／濾波算法9.1.4　交通模型和理論算法9.1.5　低流量事件檢測算法9.1.6　其他事件檢測算法9.2　基于預(yù)測偏差的交通事件檢測算法9.2.1　算法原理9.2.2　檢測參數(shù)9.2.3　數(shù)據(jù)預(yù)處理9.2.4　事件識別的步驟9.2.5　交通事件發(fā)生的概率9.3　算法性能評價9.3.1　評價指標(biāo)9.3.2　評價方法9.3.3　算法閾值標(biāo)定9.3.4　各種事件檢測算法的對比評價附錄參考文獻

編輯推薦

　　《交通流參數(shù)及交通事件動態(tài)預(yù)測方法》涉及的交通流相關(guān)數(shù)據(jù)（包括交通量、地點車速和時間占有率）分別用兩種方式收集：中、小流量情況下的交通流數(shù)據(jù)用攝影法實地觀測；然后用計算機進行統(tǒng)計處理；大流量情況下的交通流數(shù)據(jù)由交通模擬產(chǎn)生。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    交通流參數(shù)及交通事件動態(tài)預(yù)測方法 PDF格式下載

---