节点文献

基于神经网络的交通发生量预测研究

免费订阅

【作者】 孙健陈书恺竺寒冰

【Author】 SUN Jian;CHEN Shukai;ZHU Hanbing;State Key Laboratory of Ocean Engineering, School of Naval Architecture, Ocean and Civil Engineering, Shanghai Jiao Tong University;School of Naval Architecture, Ocean and Civil Engineering, Shanghai Jiao Tong University;College of Transportation Management, Dalian Maritime University;

【机构】 上海交通大学船舶海洋与建筑工程学院海洋工程国家重点实验室上海交通大学船舶海洋与建筑工程学院大连海事大学交通运输管理学院

【摘要】 交通发生吸引量预测是交通规划四阶段的首要步骤,其预测结果是城市规划布局及交通设施建设发展的重要依据.为了提高交通发生量预测准确性,利用K-means聚类分析对交通小区进行分组;对同组内样本小区各项土地利用及人口就业指标进行主成分分析,通过计算主成分载荷率为选择预测影响因素提供依据;针对各组样本分别建立BP神经网络模型,以土地利用和人口数据作为输入变量,小区交通发生量作为输出变量,以大连市城市交通调查数据为例对上述方法进行检验,并与传统回归模型预测结果进行比较.结果表明,在数据预处理基础上建立的BP神经网络模型具有较高预测精度.

【基金】 国家自然科学基金项目(71101109);北京大学-美国林肯土地政策研究院论文资助项目(DS20140901);长沙理工大学公路工程教育部重点实验室开放基金项目(kfj120108)
  • 【DOI】10.15986/j.1006-7930.2015.02.010
  • 【分类号】U491.1
  • 【下载频次】143
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: