Abstract: E. I. Vlahogianni (2009)

Short-term traffic flow predictions are an essential part of intelligent transportation systems. Previous research underlines the difficulty in systematically assessing the predictability of traffic flow near capacity or during congested conditions. In this article a neural network prediction scheme is proposed that is consistent with the pattern-based evolution of traffic flow and has the capability of exploiting past information to acquire knowledge on the traffic dynamics in order to enhance predictability. Findings indicate that pattern-based predictions are more accurate – in the traffic flow regimes considered – when compared to other local and global prediction techniques that operate under the time-series consideration. The pattern-based prediction scheme was also found to outperform the other methods tested in the knowledge of the anticipated traffic flow state in all traffic flow conditions considered.

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.

Enhancing Predictions in Signalized Arterials with Information on Short-Term Traffic Flow Dynamics