《表2 中环路某路口断面短时交通流量的预测误差》
提示：宽带有限、当前游客访问压缩模式
模型每隔一个月重新训练，部分结果如图6和表2所示．其中，实际值与预测值平均绝对误差百分比
| 图表编号 | XD00205145000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.09.01 |
| 作者 | 范馨月、黄大志、沈齐 |
| 绘制单位 | 贵州大学数学与统计学院、贵州省公安厅、贵阳市公安交通管理局科技处 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 经典模型对比：基于混合深度学习的地铁站进出客流量短时预测》2020.10.01
- 《表1 模型预测性能比较：基于ACGRU模型的短时交通流预测》2020.11.01
- 《表2 实验所用仪器：基于CNN-ResNet-LSTM模型的城市短时交通流量预测算法》2020.10.01
- 《表1 数据修约表：基于CNN-ResNet-LSTM模型的城市短时交通流量预测算法》2020.10.01
- 《表4 各类算法误差比较：基于LSTM引入客车占比特征的短时交通流预测》2020.11.01
- 《表4 各类算法误差比较：基于LSTM引入客车占比特征的短时交通流预测》2020.11.01
- 《表2 数据实例：基于LSTM引入客车占比特征的短时交通流预测》2020.11.01
- 《表1 预测结果对比：基于时延特性建模的多断面短时交通流预测》2020.06.01
- 《表1 各路口车流量：基于Q学习的单路口交通信号协调控制》2020.05.01
- 《表2 中环股份2019—2023年及2023年以后自由现金流量预测值》2020.07.10
- 《表1 初始流量数据采集：基于时空相关性和遗传小波神经网络的路网短时交通流预测》2020.05.15
- 《表2 交通流量15 min预测误差结果》2020.03.01
- 《表1 预测误差对比：基于短时交通流预测的广域动态交通路径诱导方法》2020.02.01
- 《表1 预测误差结果对比：基于免疫算法优化LSSVM的短时交通流预测》2019.11.01
- 《表1 快速路交叉路口交通流量流向汇总》2019.10.31
- 《表1 误差分析结果：基于BP-Adaboost模型的交通流量预测》2019.08.20
- 《表2 模型超参数设置：基于图卷积神经网络和注意力机制的短时交通流量预测》2019.08.01
- 《表2 路口名称对应缩写：基于R语言的交通流量数据可视化应用》2019.04.28
- 《表4 低饱和与短时高峰流量下平均排队长度路口优化效果》2018.04.20
- 《表2 目标路段信息列表：基于CALINE4的短时城市道路交通污染物浓度预测》2019.11.30