Abstract: Z. He, Z. Li, J. Zhao (2010)

In order to improve traffic flow prediction accuracy, recurrence plot and recurrence quantitative analysis were introduced to analyze the traffic flow time series periodicity. Further more, the prediction methods BPNN (back propagation neural network) and K-NN (nearest neighbor) were employed to predict the short-term traffic flows with different periodicity. The result of an empirical study indicates that the traffic flow time series periodicity differs with the length of statistical time interval and the time period in a day. The traffic flow time series with a statistical time interval of 5 min show a good real-time performance and a strong periodicity. The periodicity has a positive correlation with the prediction accuracy of short-term traffic flow: The traffic flow in night time has a weak periodicity for which the prediction accuracy is 87.41%, while the traffic flow in day time has a strong periodicity for which the prediction accuracy is 92.16%.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Traffic flow time series periodicity based on recurrence quantitative analysis