留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于RBF神经网络的不利天气道路通行能力计算

章锡俏,  盛洪飞,  姚艳雪

downloadPDF
文章导航 > 交通信息与安全  > 2007 >  25(6): 21-23,27
章锡俏, 盛洪飞, 姚艳雪. 基于RBF神经网络的不利天气道路通行能力计算[J]. 交通信息与安全, 2007, 25(6): 21-23,27. doi: 10.3963/j.issn.1674-4861.2007.06.006
引用本文: 章锡俏, 盛洪飞, 姚艳雪. 基于RBF神经网络的不利天气道路通行能力计算[J]. 交通信息与安全, 2007, 25(6): 21-23,27. doi: 10.3963/j.issn.1674-4861.2007.06.006
shu
ZHANG Xiqiao, SHENG Hongfei, YAO Yanxue. Road Capacity Calculation under Adverse Weather Based on RBF Neural Network[J]. Journal of Transport Information and Safety, 2007, 25(6): 21-23,27. doi: 10.3963/j.issn.1674-4861.2007.06.006
Citation: ZHANG Xiqiao, SHENG Hongfei, YAO Yanxue. Road Capacity Calculation under Adverse Weather Based on RBF Neural Network[J]. Journal of Transport Information and Safety, 2007, 25(6): 21-23,27. doi: 10.3963/j.issn.1674-4861.2007.06.006
shu

基于RBF神经网络的不利天气道路通行能力计算

doi: 10.3963/j.issn.1674-4861.2007.06.006

  • 哈尔滨工业大学,哈尔滨,150090

  • 哈尔滨工业大学,哈尔滨,150090

  • 哈尔滨师范大学,哈尔滨,150500

基金项目: 

黑龙江省科技攻关项目

国家自然科学基金

详细信息

  • 中图分类号: U491

Road Capacity Calculation under Adverse Weather Based on RBF Neural Network

    摘要
  • 摘要: 不利天气下影响城市道路通行能力的各种因素都具有随机的、非线性,采用常态条件下修正理论通行能力的计算方法是不适合的.文章结合RBF神经网络模型方法能够良好地分析出随机的、非线性的特点,对路网组成单元进行重新划分,选定不利天气下道路通行能力的影响因素,建立了道路通行能力计算的RBF神经网络模型.并依据哈尔滨市暴雨天气下道路的实际情况进行了算例分析,计算的道路通行能力与实测数据最大误差为-1.16%,验证了模型的可行性和有效性.

     

    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献
  • 资源附件(0)
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  377
  • HTML全文浏览量:  74
  • PDF下载量:  0
  • 被引次数: 0
出版历程
  • 刊出日期:  2007-12-28

目录

    /

    返回文章
    返回

    版权所有《交通信息与安全》编辑部鄂ICP备05003336号-2

    通信地址：湖北省武汉市武昌区和平大道1178号，武汉理工大学余家头校区 (430063)

    联系电话：027-86580355电子邮箱：jtjsj@vip.163.com

    本系统由 北京仁和汇智信息技术有限公司 开发