典型文献
基于全过程的偶发性拥堵消散时间预测模型
文献摘要：
为减少偶发性交通拥堵消散时间预测误差,基于事故全过程将拥堵消散时间分为驻留时间、处置时间及恢复时间,从驾驶员性格特征、事故等级特征值、初始速度建立驻留时间和处置时间回归模型,利用线性递减时变权重及速度限制改进标准粒子群算法优化RBF神经网络权重,以TransModeler仿真数据及实测数据为训练样本,建立偶发拥堵恢复时间RBF神经网络模型.仿真结果表明,模型平均绝对误差为245.3 s,其中改进PSO-RBF网络对恢复时间预测相对误差为11.2％,均方根误差为102.3,平均相对误差较单一RBF网络、标准PSO-RBF网络分别下降38.1％、23.8％.
文献关键词：
交通工程;全过程;消散时间;神经网络;粒子群优化
中图分类号：
作者姓名：
徐韬;祝烨;谢晓忠;晏秋萍;程龙春
作者机构：
重庆交通大学 交通运输学院,重庆 400074;重庆市市政设计研究院有限公司,重庆 400020
文献出处：
引用格式：
[1]徐韬;祝烨;谢晓忠;晏秋萍;程龙春-.基于全过程的偶发性拥堵消散时间预测模型)[J].工业工程,2022(03):157-163
A类：
时变权重,TransModeler
B类：
偶发性,消散时间,时间预测模型,性交,交通拥堵,预测误差,驻留时间,恢复时间,驾驶员,性格特征,事故等级,初始速度,线性递减,速度限制,标准粒子群算法,算法优化,RBF,仿真数据,训练样本,模型平均,平均绝对误差,PSO,平均相对误差,别下,交通工程,粒子群优化
AB值：
0.293399
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
