文献

J-GLOBAL ID：201902266953832224   整理番号：19A0065463

降雨条件下での高速道路の短時間走行時間予測研究【JST・京大機械翻訳】

A Forecasting Model for Short-term Travel Time on Freeways under Rainfall Conditions

著者 (5件)： Li Meng (北京交通大学城市交通復雑系統理論与技術教育部重点実験室 北京100044) ,  Gu Yuanli (北京交通大学城市交通復雑系統理論与技術教育部重点実験室 北京100044) ,  Wang Shuo (北京交通大学城市交通復雑系統理論与技術教育部重点実験室 北京100044) ,  Lu Wenqi (北京交通大学城市交通復雑系統理論与技術教育部重点実験室 北京100044) ,  Zhang Yuan (北京交通大学城市交通復雑系統理論与技術教育部重点実験室 北京100044)
資料名： Jiaotong Xinxi yu Anquan  (Jiaotong Xinxi yu Anquan)
巻： 36  号： 4  ページ： 90-96  発行年： 2018年 
JST資料番号： C3145A  ISSN： 1674-4861  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 降雨条件下の高速道路の走行時間の短期予測を実現するために、悪天候下の交通情報の把握、交通誘導と意思決定のサポートを提供し、交通と気象データの獲得に基づいて、半距離法を用いて、道路区間の行程時間を推定した。遺伝的アルゴリズムで最適化した動径基底関数(RBF)ニューラルネットワークとK最近傍ノンパラメトリック回帰(KNN)アルゴリズムに基づき,動的重みに基づく時間結合予測モデルを提案した。この組合せ予測モデルの融合重みは,定義の動的誤差の変動によって調整され,そして,精度の高い予測結果は,最終結果に大きな影響を与え,そして,予測精度を改善することができた。京港豪高速道路の湖北省内軍山-武漢南路段を選び、当該道路の降雨条件下の行程時間特性を分析し、その異なる時期と異なる降雨強度下での行程時間の変化規則を把握し、予測を行った。その結果,組合せ予測モデルは,時間のピーク変化を効果的に予測でき,そして,反応時間および予測精度は,0に達することができ,そして,予測精度は,より良好であった。98、平均絶対百分率誤差1。単一RBFニューラルネットワークとKNNアルゴリズムの平均絶対百分率誤差は,それぞれ99%と99%であった。40%と2。60%,適合程度は組合せ予測モデルではない。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *高速道路 ,  意思決定 ,  *降雨 ,  *予測 ,  ノンパラメトリック法 ,  アルゴリズム ,  ニューラルネットワーク ,  交通情報 ,  *道路 ,  気象データ ,  荒天 ,  港湾 ,  最適化 ,  予測モデル
準シソーラス用語： 予測精度 , 【Automatic Indexing@JST】

分類 (1件)： 交通調査  (TB01031B)

タイトルに関連する用語 (6件)： 降雨 ,  高速道路 ,  短時間 ,  走行時間 ,  予測 ,  研究