收藏本站
《物流技术》 2017年07期
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于车联网的实时路况估计方法

胡杰  吴志林  石国勇  刘昌林  
【摘要】:针对实时路况估计和交通数据采集方法没有统一标准的问题,提出了一种基于车联网的实时路况估计架构,由车辆数据采集、数据管理和路况显示组成。车辆数据采集系统基于Android系统开发,采用模块化架构使系统适用于不同厂商的车型;通过对武汉市部分道路进行VISSIM建模,采集大量仿真数据,分别建立RBF神经网络模型和支持向量机模型,并使用遗传算法对支持向量机参数进行优化,两种模型估计结果表明支持向量机的估计效果优于RBF神经网络。最后将支持向量机估计结果应用于路况显示系统,向社会公众提供实时路况。

【相似文献】
中国期刊全文数据库 前10条
1 杨国平,刘创,刘忠,丁问司;神经网络在公路工程质量检测中的应用[J];长沙交通学院学报;2001年02期
2 朱红斌;;LVQ神经网络在交通事件检测中的应用[J];计算机工程与应用;2008年34期
3 高晗,张翠玲;基于神经网络的公路建设项目评价[J];辽宁交通科技;1998年06期
4 侯志祥,刘振闻,颜学斌;基于神经网络的我国汽车保有量建模与预测[J];内蒙古公路与运输;2000年04期
5 赵忠杰;田梅;王英伟;;基于神经网络的隧道小时交通量预测方法[J];微电子学与计算机;2007年11期
6 李瑞敏;陆化普;史其信;;基于神经网络的路口交通流转向比预测[J];西南交通大学学报;2007年06期
7 马成前;任桂山;;基于神经网络智能预测武昌阅马场隧道交通流[J];计算机与数字工程;2008年02期
8 李劲;黄大荣;;基于粗糙神经网络的交通优化控制模型[J];计算机工程与应用;2008年19期
9 沈小军;陈峻;王晨;;基于LVQ神经网络的交通拥堵预测研究[J];交通运输工程与信息学报;2009年03期
10 曹琛荔;孙旋;;基于神经网络与遗传算法的交通流量预测研究[J];仪表技术;2011年01期
中国重要会议论文全文数据库 前10条
1 高慧;赵建玉;贾磊;;基于前向型神经网络的短时交通流预测研究[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
2 杨炳尧;韩大建;颜全胜;;使用神经网络方法进行桥梁缺损状况评估[A];第十六届全国桥梁学术会议论文集(下册)[C];2004年
3 刘杨;沈海州;彭国雄;;基于神经网络的消防车辆行程时间计算模型[A];第一届中国智能交通年会论文集[C];2005年
4 李承;余建星;;基于模糊神经网络的海上机动卸载平台风险分析[A];第三届全国现代结构工程学术研讨会论文集[C];2003年
5 罗璇;程伟;;联想神经网络在结构损伤识别中的应用[A];第三届全国防震减灾工程学术研讨会论文集[C];2007年
6 卢晓煜;郝正;;计算机辅助高速公路收费稽查分析方法研究[A];2008第四届中国智能交通年会论文集[C];2008年
7 包龙生;张乐;于玲;曹鑫;;基于BP神经网络对大跨径预应力连续梁桥标高偏差预测分析[A];第22届全国结构工程学术会议论文集第Ⅰ册[C];2013年
8 韩宝睿;邵光辉;马健霄;;基于BP神经网络的公交停靠站的排队状态预测[A];第一届中国智能交通年会论文集[C];2005年
9 吴坚;陈宁;;基于SARBF神经网络拟合的交通流量残缺信息修补方法研究[A];第二十九届中国控制会议论文集[C];2010年
10 王正勤;刘富强;;基于优化BP神经网络的车型识别技术在智能交通系统中的应用[A];第一届中国智能交通年会论文集[C];2005年
中国硕士学位论文全文数据库 前10条
1 羊文琦;基于遗传算法和BP神经网络的区域性公路交通量预测研究[D];西南交通大学;2015年
2 黄惠峰;智能神经网络及其在隧道运营期变形预测评估中的应用[D];西南交通大学;2015年
3 黄智仟;基于神经网络的船舶交通流量预测研究[D];大连海事大学;2015年
4 陈光曦;模拟桥梁结构故障声发射检测技术研究[D];沈阳理工大学;2015年
5 谭贞刚;基于多分辨率卷积网络的交通标志检测与识别[D];大连理工大学;2015年
6 崔宝影;基于神经网络的石河大桥损伤预警算法研究[D];东北大学;2013年
7 管硕;基于SVM和K-均值聚类的RBF神经网络短时交通流预测[D];青岛大学;2015年
8 王静;基于扩展BP网络的城市道路造价研究[D];山东大学;2015年
9 张文斌;基于神经网络的城市道路交通量短时预测研究[D];兰州交通大学;2015年
10 李晓宇;绿色通道车辆驾驶室主动避让及车长动态测量方法研究[D];吉林大学;2016年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026