排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
针对交叉路口实际情况,提出了单一路口智能体的功能结构;并以路口的平均车辆延误作为目标函数,以周期时长和各相位的绿灯时间为优化参数,建立了路口智能体的优化模型;采用实数编码遗传算法将该优化模型应用于实际信号控制交叉路口的相位配时设计方案中,结果表明优化后的相位配时方案优于现有的控制方案. 相似文献
2.
基于神经网络的公路运输量预测模型及应用 总被引:3,自引:0,他引:3
以福建省公路旅客周转量和货物周转量的统计资料为基础,结合神经网络技术原理,应用BP神经网络方法建立3维输入、单输出、隐层单元数为15的3层神经网络模型,分别对福建省公路旅客周转量和货物周转量进行预测.结果表明,各月的旅客周转量和货物量预测值的最大相对误差的绝对值分别为0.4890%和0.4495%.该模型具有简便实用、预测精度高的优点. 相似文献
3.
以2005-2006年福建省公路运输量(旅客周转量、货物周转量)与道路交通事故4项指数(事故次数、死亡人数、受伤人数和经济损失)之间的关系为基础,应用BP神经网络技术,建立了3输入、单输出、16个中间单元层的道路交通事故预测模型,分别对福建省道路交通事故的4项指数进行预测.结果表明:2007年1-3月份交通事故4项指数预测值的最大相对误差绝对值分别为2.9513%、3.5714%、3.5469%和2.9485%.因此,该3层神经网络预测模型具有使用简便、方法实用、预测精度高的优点. 相似文献
4.
福建省道路交通事故预测模型及其应用 总被引:1,自引:1,他引:0
以2005-2006年福建省公路运输量(旅客周转量、货物周转量)与道路交通事故4项指数(事故次数、死亡人数、受伤人数和经济损失)之间的关系为基础,应用BP神经网络技术,建立了3输入、单输出、16个中间单元层的道路交通事故预测模型,分别对福建省道路交通事故的4项指数进行预测.结果表明:2007年1-3月份交通事故4项指数预测值的最大相对误差绝对值分别为2.9513%、3.5714%、3.5469%和2.9485%.因此,该3层神经网络预测模型具有使用简便、方法实用、预测精度高的优点. 相似文献
1