谷远利
- 作品数：35 被引量：179H指数：9
- 供职机构：北京交通大学更多>>
- 发文基金：北京市科技计划项目国家自然科学基金国家重点基础研究发展计划更多>>
- 相关领域：交通运输工程经济管理自动化与计算机技术更多>>
- 动态交通流量预测方法研究
- 随着智能运输系统的广泛应用.实时交通流量预测的重要性也日益显著.本文介绍了预测模型发展过程中比较重要的几个模型,并由此引出人工神经网络.介绍误差逆传播(BP)模型的相关理论,指出传统BP神经网络的缺陷,并提出提高预测精度...
- 谷远利余惠华
- 关键词：交通流量BP神经网络智能运输系统交叉口
- 文献传递
- 实时动态交通流预测模型研究
- 1999年
- 根据交通流的特性,以神经网络技术为基础,应用遗传算法对网络结构进行优化,应用高阶广义神经网络实时在线预测,并用实际交通流量数据进行验证。
- 谷远利张赫
- 基于CNN-BiLSTM的高速公路交通流量时空特性预测被引量：5
- 2022年
- 目前,高速公路交通管控部门对准确交通数据的掌握还存在局限性,预测值也不够精确,为给出行者提供更好的交通引导,必须采用新方法预估误差较小的交通流量数据。提出一种同时考虑时间与空间因素的卷积-双向长短期记忆(CNN-BiLSTM)模型,将具有空间局部特征提取能力的卷积神经网络(CNN)和具有能同时考虑前后方向长时间信息的双向长短期记忆(BiLSTM)相结合,将其用于预测更能体现随时空变化不断波动的交通流量。以一些简单的基准方法作为对比模型,采用均方误差(MSE)等5项评估指标,在美国加州高速公路数据集上进行训练和测试,结果表明:由CNN-BiLSTM得出的预测结果更符合实际交通流量的变化趋势,在高峰期和波动较大时间段均能较好地拟合真实值,灵敏度较高。
- 刘永乐谷远利
- 关键词：高速公路交通流量预测卷积神经网络
- 基于思维进化优化的多源交通数据融合算法被引量：10
- 2019年
- 针对交通数据多传感器融合算法精度不足、稳定性差等问题,提出一种基于思维进化算法(MEA)优化的BP神经网络(MEA-BP)融合算法。借助MEA所具有的"趋同"和"异化"操作,在介绍基本原理的基础上,设计了用于优化BP神经网络初始权值和阈值并定向搜寻最优BP神经网络融合模型的融合算法计算步骤。基于所选取的区间速度数据进行实证分析,结果表明:MEA-BP融合算法较BP神经网络算法具有更好的收敛性,在精度和稳定性方面分别提升了9. 38%和31. 44%;时间敏感性分析显示,MEA-BP融合算法也具有良好的可移植性。
- 陈磊王江锋谷远利闫学东
- 关键词：交通运输系统工程城市交通数据融合思维进化算法
- 基于蚁群算法的交通控制与诱导协同研究被引量：17
- 2008年
- 以路网总行程时间最小为目标,兼顾路网流量的均衡,建立了城市交通控制与诱导的协同模型。引入了蚁群算法的思想,并利用此算法对模型进行求解,得到最佳路径和最佳信号配时方案;最后采用小型路网进行仿真试验,通过跟实际的交通流对比,表明此方法能有效均衡路网流量,并能有效节约路网的总行程时间。
- 谷远利李善梅邵春福
- 关键词：交通流诱导交通控制蚁群算法仿真
- 基于浑沌神经网络的动态交通量预测方法研究被引量：1
- 2007年
- 介绍了目前国内外道路交通量预测的方法、特点及实际的预测效果。由于城市道路交通的复杂性,使得一些现有交通量预测方法的预测精度不高。针对这些问题,应用混沌神经网络,建立了城市道路交叉口出口交通量的浑沌神经网络预测模型,并与传统的BP神经网络预测结果对比,表明此模型具有较好的预测效果。
- 谷远利邵春福谭晓雨
- 关键词：混沌神经网络BP神经网络交通量
- 基于有向图卷积与门控循环单元的短时交通流预测方法
- 2023年
- 为了充分挖掘快速路交通流时空特性,解决当前城市快速路交通流预测存在交通流时空特性挖掘不充分等问题,进一步提高城市快速路短时交通流的预测精度与效率,研究了基于有向图卷积神经网络和门控循环单元的组合模型(directed graph convolution network-gate recurrent unit,DGC-GRU)的城市快速路短时交通流预测方法。该方法提出空间相关性矩阵并将其引入图卷积神经网络中,构建有向图卷积神经网络用于表征交通流的有向性和流动性。将交通流参数输入有向图卷积神经网络后得到有向图卷积算子,并将有向图卷积算子引入门控循环单元,通过有向图卷积神经网络捕捉交通流的空间特性,通过门控循环单元捕捉交通流的时间特性,输出快速路交通流预测结果。选取西雅图环形快速路感应器检测数据进行实例分析,对比模型预测效果。结果表明:在数据集与参数设置均相同的情况下,DGC-GRU交通流预测模型的训练收敛速度更快,且平均绝对误差(mean absolute error,MAE)和平均绝对百分比误差(mean absolute percentage error,MAPE)均优于对比模型,与传统的GRU、GCN、DGC-LSTM模型相比,DGC-GRU模型能够将MAE和MAPE指数分别降低33.01%、5.76%、1.32%和27.75%、1.15%、7.76%,表明DGC-GRU交通流预测模型能够有效挖掘城市快速路网中的交通流时空分布特征,具有良好的预测精度与效率。
- 崔文岳谷远利赵胜利芮小平
- 关键词：城市快速路短时交通流预测
- 相邻交叉口相位差优化模型及仿真被引量：17
- 2008年
- 由于国内交通流特点与国外有很大不同,导致采用国外的信号控制系统很难达到满意的控制效果。以北京市两个相邻交叉口组成的干道协调控制系统为研究对象,通过分析干道上双向车辆在交叉口的延误规律,考虑车流在行驶过程中的离散性和受阻情况并结合中国道路交通的实际状况,以车辆延误最小为目标,建立了相邻交叉口相位差协调控制的优化模型。针对传统的图解法和数值解法的缺点,采用遗传算法对该模型进行求解。仿真结果证明本文所建立的模型求解结果优于传统数值解法,能更准确地反映实际的交通运行情况和控制效果,是一种减少相邻交叉口车辆延误的有效方法。
- 谷远利于雷邵春福
- 关键词：交通运输安全工程信号交叉口相位差交通流仿真
- 考虑噪声影响的短时交通流预测模型及验证
- 2023年
- 为进一步提高交通流预测的精确性,相较于忽略噪声影响的传统预测方法,提出一种基于小波变换的双向长短时记忆神经网络-自回归滑动平均模型的预测模型(WBLA)。WBLA模型首先采用小波变换,将交通流数据分解为特征项及噪声项,在此基础上,对特征项采用双向长短时记忆神经网络(BiLSTM)进行预测,对噪声项采用自回归滑动平均模型(ARMA)进行预测,最后对两项预测结果求和作为最终的预测结果。将未考虑噪声影响的其它基准方法作为对比模型,在美国加州高速公路交通流数据集上进行测试及验证,实验结果表明:WBLA模型同未考虑噪声影响的次好模型相比,MAE、RMSE和MAPE分别下降17.86%、15.98%、16.39%,表明WBLA模型符合实际交通流速度变化趋势,模型合理性得到验证。
- 程雅婷赵胜利谷远利
- 关键词：智能交通小波变换
- 基于时空融合的城市快速路短时交通流预测被引量：9
- 2018年
- 短时交通流预测是交通状态判别和交通拥堵预测的重要基础。在选择速度作为建立交通流预测模型的基础上,对度速的时间相关性和空间相关性进行分析,针对以上两种特性,采用ARIMA模型和PSO优化的BP神经网络模型分别对交通流进行短时速度预测,并将预测结果利用可更新的动态权值加权融合得到最终的组合预测模型。利用北京市二环微波数据进行仿真和分析,将组合模型预测结果与单独使用两种模型的预测结果进行对比,结果发现组合模型预测的平均相对误差为5. 8%,有效地提高了速度预测精度,并利用组合优化模型对早晚高峰特定时间段进行预测,早晚高峰平均相对误差分别为3. 0%和4. 6%,体现该模型较好的适用性。
- 陆文琦谷远利陈伦
- 关键词：交通流神经网络
