交通流时间序列相关论文
为研究交通流时间序列的分形特征，计算实测交通流量序列的多重分形谱，结果表明交通流序列的分形谱线为端点左高右低，且顶点左偏的曲线......
提出了一个建立车速、车头间距等交通流参数大样本时间序列的方法,依据实际交通录像获得总数据量超过8万条的4个时间序列样本,对它......
对交通出行者而言,交通拥堵意味着出行时间增长、生活成本增加、生活质量下降。对城市交通管理者而言,交通拥堵意味着道路运营成本......
交通时间序列的多重分形性通常与交通流时间序列的长相关性或概率密度函数有关。本文应用多重分形消除趋势波动分析(MF-DFA)方法来......
针对差分自回归移动平均(Auto-Regressive Integrated Moving Average,ARIMA)模型在获得时间序列非线性特性中的局限,基于线性递归......
准确获取交通流量变化点,对后续的交通流预测、分类及多时段控制具有重要意义.鉴于交通流时间序列的非负性及异方差性,采用Gamma分......
由于交通流量的日变化趋势带来的长期自相关性引起了交通流量时间序列的异方差性,使差分自回归移动平均模型在交通流量预测中预测......
交通流中的非线性特征是近年来兴起的一个研究方向,其研究目地在于揭示交通流系统的各种非线性特征背后的形成机制,然后加以预测和......
聚类算法作为一种重要的数据挖掘技术,能够从海量数据中挖掘出数据的模式分布,包括完成对交通流时间序列的模式划分,提取出交通流......
采用多重分形消除趋势波动分析法研究城市快速路交通流的多重分形特征。首先,计算和比较了实测的流量和速度序列的广义hurst指数,......
交通流预测是交通系统可行性分析、交通设计和交通管控的基础,短时预测是交通流预测的难点.论文在分析现有交通流预测方法的基础上......
空中交通系统是复杂的非线性系统,时间序列是研究空中交通系统的有效措施。为了定量分析空中交通的复杂性,首先阐述Lempel-Ziv算法......
交通流时间序列的研究主要采用数据挖掘和机器学习的方法，这些“黑箱”挖掘方法很难直观反映序列特性．为增强交通流时间序列及其特征......
