交通事件持续时间预测的贝叶斯网络模型∗OACSTPCD
Bayesian Network Model for the Prediction of Traffic Incident Duration
交通事件是引发道路交通拥堵的主要因素之一，通过实时交通诱导等手段可以降低其对交通运行造成的影响，而及时准确地预测事件持续时间则是实现有效管控的前提条件.基于 MIT 打分函数，融合自上而下的网络生长规则，引入蚁群算法寻找最优网络结构，即以 S-ACOB 算法为核心搭建最优贝叶斯网络模型.增加了节点随机选择机制及局部结构概率选择模式，降低局部最优结果生成概率，确保贝叶斯网络的健壮性.通过实例验证及对比分析，针对观测节点属性完备和缺失的情况，网络模型…查看全部>>
Traffic incident is one of the main factors that lead to traffic congestions.Through controlling methods such as real-time traffic guidance,its impacts on traffic operation can be reduced.Accurately prediction of traffic conges-tion duration is a prerequisite for effective traffic control.Based on MIT scoring functions,an S-ACOB algorithm as the core of the Bayesian network model is developed.The networks are generated from top to bottom with an ant colony a…查看全部>>
马雪婧;邵春福;钱剑培;王天倚
北京交通大学城市交通复杂系统理论与技术教育部重点实验室 北京 100044北京交通大学城市交通复杂系统理论与技术教育部重点实验室 北京 100044北京交通大学城市交通复杂系统理论与技术教育部重点实验室 北京 100044南通恒龙信息科技有限公司 江苏 南通 226000
交通工程
交通工程交通事件持续时间预测贝叶斯网络结构学习MIT 算法S-ACOB 算法
traffic engineeringtraffic incidentduration predictionBayesian networkstructure learningMIT algorithmS-ACOB algorithm
《交通信息与安全》 2015 (6)
突发事件下城市道路交通系统非常态演化机理及干预对策
65-71,7
国家自然科学基金项目(批准号:71210001)资助
评论