《表2 各模型各车型预测精度》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于QPSO-RBF神经网络的混合交通流车速预测模型》
从表2可知,车速时间序列随机性、非线性突出,算法在车速急速变化时仍具有较高了预测能力,相较于单一RBF网络、ARIMA模型、二次多项式回归模型,本算法对道路各车型车速进行预测时精度较高,其中,小客车平均绝对误差RMAE为3.95,平均相对误差RME为9.21%;出租车平均绝对误差RMAE为4.35,平均相对误差RME为10.83%;大型客货车平均绝对误差RMAE为2.65,平均相对误差RME为12.78%。由于道路车速动态性、随机性强,各车型平均绝对误差控制在5km/h以内,达到了路网状态评估实际应用中道路车速精度预测的要求,具有较强的适用性、鲁棒性。
图表编号 | XD0031777800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.25 |
作者 | 张晓阳、徐韬、张宜华、张磊 |
绘制单位 | 重庆市市政设计研究院、重庆市市政设计研究院、重庆市市政设计研究院、重庆市市政设计研究院 |
更多格式 | 高清、无水印(增值服务) |