Resumen

La predicción multietapa del estado del tráfico es una tecnología clave para el sistema avanzado de información de transporte. Los resultados de la investigación basados en el principio de la predicción multietapa pueden proporcionar más información sobre la calidad operativa del tráfico con anticipación. Teniendo en cuenta que el error de predicción aumenta con el aumento de los números de predicciones multietapa, esta investigación propone el concepto de previsibilidad dinámica que está relacionado con la característica de los datos históricos de flujo de tráfico utilizados. El flujo de tráfico se caracteriza por la aleatoriedad, regularidad y volatilidad según la teoría del flujo de tráfico. Por lo tanto, se calculan primero tres índices clave para medir las características de la serie de confiabilidad. Luego se establece un modelo de dos fases basado en la red neuronal wavelet optimizada por la optimización por enjambre de partículas. La fase superior es un modelo para estimar el número de pasos predecibles, y la fase inferior es el modelo de predicción multietapa de confiabilidad

• Materias:Comportamiento asintótico Entropía del gráfico Seguridad dinámica Polinomios diferenciales Gráfico monocíclico
• Subjects:Asymptotic behavior Entropy of the graph Dynamic safety Differential polynomials Monocyclic graph
• Palabras claves:Predicción multietapa; Estado del tráfico; Previsibilidad dinámica; Serie de fiabilidad; Red neuronal wavelet; Optimización de enjambre de partículas
• Keywords:Multistep prediction; Traffic state; Dynamic predictability; Reliability series; Wavelet neural network; Particle swarm optimization