丁剑
- 作品数：2 被引量：23H指数：2
- 供职机构：东南大学更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划更多>>
- 相关领域：交通运输工程更多>>
- 基于ARIMA-SVM模型的快速公交停站时间组合预测方法被引量：21
- 2016年
- 为了研究快速公交(BRT)系统公交站台停靠时间的可靠预测技术,对BRT车辆在站台停靠的物理过程进行分析.该过程既具有纵向时间相关性,又受到其他交通子系统的非线性作用,因此将BRT车辆停站时间拆解成线性部分和非线性部分.分别采用差分自回归移动平均(ARIM A)模型和支持向量机(SVM)方法对两部分进行预测,并将预测结果叠加,构成一种快速公交停站时间的组合预测方法.以常州BRT 2号线2个快速公交站的停站时间数据及其相关数据为样本进行建模,建模结果表明该组合预测方法行之有效.相较于单一的ARIMA模型和SVM模型,组合模型停站时间预测值的平均相对百分误差、均方误差均明显降低,误差1 s内命中百分率提高,且在训练数据足够时,组合模型的平均相对百分误差、均方误差分别为0.62%和4.05s2,误差1 s内命中百分率达到96.79%.
- 杨敏丁剑王炜
- 关键词：支持向量机快速公交
- 广义估计方程在交通事故频数建模中的应用被引量：2
- 2013年
- 由于交通事故数据在记录与获取方面的问题,发展中国家学者进行事故频次建模中往往受到小样本量问题的约束。为扩大样本量,传统广义线性模型将每年事故频数作为独立变量分析,但无法考虑每年事故频数间的时间相关性,估计结果存在偏差。采用广义估计方程进行小样本交通事故数据的事故频数建模,并与传统的广义线性模型估计结果进行了对比。结果表明,传统的广义线性模型低估了说明变量系数的标准误差,论文采用的广义估计方程考虑了交通事故数据间的时间相关性,对于预测变量对于交通事故频数的影响估计更加准确,因此适合小样本交通事故数据的事故频数建模分析。
- 张宇杰丁剑周文娜李志斌
- 关键词：交通安全广义线性模型广义估计方程
