基于全过程的偶发性拥堵消散时间预测模型
徐韬1
祝烨2
谢晓忠2
晏秋萍2
程龙春2
1.重庆交通大学 交通运输学院,重庆 400074;重庆市市政设计研究院有限公司,重庆 4000202.重庆市市政设计研究院有限公司,重庆 400020
摘要：为减少偶发性交通拥堵消散时间预测误差,基于事故全过程将拥堵消散时间分为驻留时间、处置时间及恢复时间,从驾驶员性格特征、事故等级特征值、初始速度建立驻留时间和处置时间回归模型,利用线性递减时变权重及速度限制改进标准粒子群算法优化RBF神经网络权重,以TransModeler仿真数据及实测数据为训练样本,建立偶发拥堵恢复时间RBF神经网络模型.仿真结果表明,模型平均绝对误差为245.3 s,其中改进PSO-RBF网络对恢复时间预测相对误差为11.2％,均方根误差为102.3,平均相对误差较单一RBF网络、标准PSO-RBF网络分别下降38.1％、23.8％.
关键词：交通工程全过程消散时间神经网络粒子群优化
分类号：U491(交通工程与公路运输技术管理)
资助基金：重庆市科研创新资助项目(CYS15188)
论文发表日期：2022-06-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 157-163 )
英文信息