悉尼自适应交通控制系统线圈数据短时多步预测双层模型
为了进一步改善悉尼自适应交通控制系统(Sydney coordinated adaptive traffic system,SCATS)线圈数据短时多步预测的效果,在对SCATS线圈数据进行预处理的基础上,设计了一种基于动态神经网络的短时多步预测双层模型,包括基于NARX(Nonlinear autoregressive model with exogenous inputs)神经网络的多步预测方法以及基于FTD(Focused time-delay)神经网络的可预测步数在线估计方法,并采用某特大城市SCATS线圈实测数据进行了验证和对比分析.结果表明:本文方法能够进一步降低SCATS线圈数据短时多步预测的误差.
交通运输系统工程、悉尼自适应交通控制系统、短时交通预测、动态神经网络、多步预测
43
U491(交通工程与公路运输技术管理)
国家自然科学基金项目51278257;高等学校博士学科点专项科研基金项目20110061110034;浙江省自然科学基金项目LY12F01013
2016-05-17（万方平台首次上网日期，不代表论文的发表时间）
共7页
854-860
