城市交通拥堵情况分析

交通拥堵是一种城市病。随着城市的发展,这种城市病也更加严重。当今社会随着交通工具的不断完善,越来越多的问题也随之跃出。汽车——如今必不可少的交通工具,公路上的引领者,城市交通拥堵的源头。交通拥堵问题日渐突出,有可能会成为经济发展的阻碍因素。所以解决交通拥堵问题对于当今社会具有重大现实意义。文章针对城市交通拥堵标准、原因、影响及解决方法等方面研究,试图能够缓解我国城市的交通拥堵问题。     

基于BP神经网络的城市交通拥堵情况预测

本文首先根据交通系统分析,初步选取新人驾驶,路面施工,早晚高峰时刻等10个影响因子作为影响交通拥堵的因素。其次通过主成分分析法对影响因子进行筛选,采用BP神经网络,建立城市交通拥堵情况预测模型。经验证,模型准确性高,泛化能力强,具有一定应用价值。     

基于BP神经网络的城市交通拥堵情况预测

本文首先根据交通系统分析,初步选取新人驾驶,路面施工,早晚高峰时刻等10个影响因子作为影响交通拥堵的因素。其次通过主成分分析法对影响因子进行筛选,采用BP神经网络,建立城市交通拥堵情况预测模型。经验证,模型准确性高,泛化能力强,具有一定应用价值。     

信息时代下城市交通拥堵问题的探讨--从居住集中度角度出发

信息技术在城市生产、生活与管理中的加速应用不仅促使城市空间结构正在发生转型,也影响了城市居民的活动空间特征,减少了居民出行次数,缓减了交通拥堵,但是在社会经济的快速发展,城市化进程不断加快的时代下,城市交通拥堵问题依然存在,本文研究了居住区与工作区的关系以及对城市交通拥堵的影响,进而分析从居住集中度的角度如何结合信息技术缓解交通拥堵问题,并有针对性的提出相关措施及建议。     

基于RNN弱监督网络的英语语义分析技术研究

英语语义的精准识别与分析在计算机与人工智能技术应用领域具有重要的意义,传统的文本分析技术实时性差、分析精确度与效率低,文中基于神经网络设计了一套英语语义分析方法.为获取英语文本中的所有信息,选取递归神经网络识别单词模型,设计了包含输入层、隐藏层与输出层的RNN网络.为识别不同句式的英语文本,选取长短时记忆网络提取文本的...     

基于DBSCAN算法的城市交通拥堵区域发现

现阶段我国车辆的数目不断增加,这必然会导致现有的交通条件等不再能够满足现在的交通状况。因时空数据蕴含丰富的信息,本文将通过分析车辆的时空轨迹数据,即GPS轨迹数据,并利用DBSCAN算法挖掘出城市中交通最拥堵的城市区域,再将得到的结果映射到城市路网上,使得相关部门能够清楚地了解问题,并制定一系列相应措施,如调整道路规划等,保证该区域的问题能够迅速得到解决。本文的实验结果清晰地标明了城市中具体的拥堵区域,本文下一步将根据城市拥堵区域的发现结果预测区域的下一次拥堵的时间。     

基于人工神经网络的交通流量预测模型的研究

介绍了人工神经网络的BP算法，建立了基于Matlab神经网络工具箱的交通流量预测模型，并以实际道路交叉口为例进行2小时40分，分时段的数据采集，利用模型进行短时流量预测。     

基于神经网络的城市交通流预测研究

 建立了一种基于神经网络的交通流量动态预测模型,分别采用BP神经网络和径向基网络(RBF)建立了预测模型,给出了数据预处理方法和预测模型评价指标.仿真结果表明该交通流量预测方法的有效性,结果分析得出径向基网络能够更加快速有效的进行城市交通流预测.     

基于改进BP算法的软件缺陷预测模型研究

针对传统软件测试成本高及测试过程依赖于软件用例的设置等问题,设计了基于BP,JCUDA_BP和JCUDASA_BP的软件缺陷预测模型,并通过调研、实验的方式对基于改进BP算法的软件缺陷预测算法进行了相关的研究分析,探讨了JCUDA技术对于BP算法的影响,证明了模拟退火算法与JCUDA技术相结合的方式具有改进软件缺陷预测模型的可能性。     

基于改进BP神经网络的洪峰预测模型

BP神经网络擅长对数据模型进行预测,通过模拟退火遗传算法的引入,对原始BP网络进行改进,对比分析两种算法的流程及效率,同时在洪峰预测模型上进行试验,观察两者的数据结果,并分析误差和效率,发现改进BP网络优于原始BP网络,在实际工程应用中值得推广。     

利用网络思想构建EMC预测模型

电磁兼容预测是对于系统或设备是否满足EMC(电磁兼容性)要求的预估计,是为了在设计及调试阶段解决EMC问题,从而提高系统可靠性和降低成本。系统在构成一个功能体系的过程中,必须重视EMC问题,否则将导致体系内各系统自相干扰,体系的性能降低,甚至无法工作。文中介绍了一种系统间EMC预测模型的建立方法,将网络思想应用于EMC预测,从频谱的角度入手,将干扰的实质充分体现出来。应用该方法,EMC预测模型变得直观、简洁,便于通过计算机实现。     

基于改进支持向量机的多因素筛选预测模型研究

为预测工业生产中较难测量的目标量,本文提出一种基于改进的支持向量机预测模型,利用灰色范数关联法,对于影响该目标量的多因素进行关联分析,提取主要影响因子作为预测模型的输入量。同时,以工业换热器的污垢热阻为例,验证该预测模型的可行性。     

基于ARIMAX的城市道路交通流短期预测模型

随着出行者对交通信息的预期依赖的增加,构建和发展更为精准的交通流预测模型显得更加具有实际意义.ARIMA模型作为常见的时间序列处理工具被广泛应用于各个领域.然而,ARIMA预测模型构建是建立在平稳时间序列基础上的,但是其实建立在一元变量的基础上,并且在具体的模型构建过程中一元变量还通常会因差分而造成有用数据信息的丢失,...     

基于灰色预测模型的北京市垃圾量预测

随着经济的不断发展和社会的不断进步,人们的生活水平日益提升,消费水平相比之前也有了很大的提高.因此,对城市生活垃圾产生量的预测是实施垃圾分类管理的一个重要前提条件.该文首先对北京市垃圾产生量现状及研究现状进行分析,根据北京市2010—2019年垃圾产生量建立灰色预测模型,对未来10年的垃圾产生量进行预测,分析预测结果并...     

基于决策支持系统的预测模型研究

本文以时间序列预测法中的趋势外推法为主要研究方法，研究了基于决策支持系统的预测模型，该方法对于决策支持系统的成本预测有着重要的参考价值。     

基于高斯滤波运动预测模型改进RSSI测距算法研究

在测距模型中有多种信号传播模型,经常被用到的是RSSI(Received Signal Strength Indication)测距.由于复杂的室内环境对信号的强度变化影响很大,传统的RSSI测距已经不能满足实际应用的需求,为了减小对实测信号的扰动,在RSSI基本测距算法的基础上,提出一种改进的RSSI测距算法——基于...     

基于深度LSTM与遗传算法融合的短期交通流预测模型

短期交通流预测是交通优化控制和智能服务的基础。由于交通流日内波动性明显,使用单层长短期记忆网络(LSTM)存在泛化能力不足的问题,堆叠多层LSTM易导致模型难以快速收敛。通过对LSTM神经网络架构的优化设计,提出一种深度LSTM与遗传算法融合的交通流预测模型GA-mLSTM。首先,采用遗传算法(Genetic Algorithm, GA)对LSTM层数、Dense层数、隐藏层神经元个数和Dense层神经元个数进行优化,确定GA-mLSTM模型的网络结构设计和最优参数;然后,基于GA-mLSTM模型的预测结果,使用差分运算对预测误差进行修正;最后,利用公开数据集对交通流预测性能进行评估并验证,实验结果表明：GA-mLSTM模型采用3层LSTM神经网络结构,融入遗传算法和差分计算后,能有效捕获路网交通流的波动特性,可以实现更准确的交通流预测。     

基于改进的BP神经网络的彩信业务预测模型

彩信业务是一项重要的移动增值业务,但当前运营商的彩信运营却缺乏有效的系统支撑。文章重点研究了一种数据挖掘方法——BP神经网络——在彩信运营支撑中的应用,提出了混沌粒子群算法,并在此基础上改进了BP神经网络预测模型以用于彩信业务预测。     

微蜂窝中电波传播预测模型的改进

在传统的电波传播预测模型的基础上,提出了一种基于射线跟踪法的改进模型。该模型可真正用于除圆形建筑物以外的多棱角建筑物组成复杂微蜂窝区域中场强的准确预测,具有高自适应性、预测精度可有需求控制和高效率等优点。对该模型所得预测结果同文献进行了比较,结果表明该模型具有较高效率和精确度。     

灰色预测模型背景值赋值不合理性的证明及改进

文章根据灰色预测模型的建模机理,针对灰色预测模型中背景值的赋值过程,结合拉格朗日中值定理从数学上证明了灰色预测模型中背景值的赋值是不合理的。针对其不合理性,提出了一种模型改进的方法。并以重庆市农村用电量进行了实证分析,验证了模型改进的效果。