基于全过程的偶发性拥堵消散时间预测模型
徐韬, 祝烨, 谢晓忠, 晏秋萍, 程龙春
2022, 25 (3):
157-163.
doi: 10.3969/j.issn.1007-7375.2022.03.019
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%。
参考文献 |
相关文章 |
计量指标
|