首页|应用神经网络动态估计信号交叉口饱和流率

应用神经网络动态估计信号交叉口饱和流率

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了实时掌握信号交叉口饱和流率动态变化规律和提升估算精度,构建了以神经网络为基础的饱和流率动态估计模型.通过对北京市典型信号交叉口3种场景(直行进口道、直行左转进口道、直行右转进口道)实测数据为研究对象,分析每种场景下交通流运行特征,确定影响饱和流率的关键因素,确定神经网络模型的输入输出参数,并对模型进行标定.最后与经典HCM方法进行对比.结果表明:不同场景下,神经网络模型估计精度均优于HCM方法;其估算误差分别为11.23％,7.02％,4.70％.提出的方法能够准确地动态估计饱和流率,成果可用于信号控制方案的实时调整与精细化的运行管理.
Dynamic estimation of saturation flow rate at signalized intersection used by neural network

王益、荣建、周晨静、高亚聪、罗薇

展开 >

清华大学 土木水利学院,北京 100084

清华大学 交通研究所,北京 100084

北京工业大学 北京市交通工程重点实验室,北京 100124

北京建筑大学 土木与交通工程学院,北京 100044

展开 >

信号交叉口 动态估计 神经网络 饱和流率

517080172020-zz-089

2021

10.13624/j.cnki.issn.1001-7445.2021.0714

广西大学学报(自然科学版)
广西大学

广西大学学报(自然科学版)

CSTPCD北大核心
影响因子：0.767
ISSN：1001-7445
年,卷(期)：2021.46(3)
  • 7