1、“.....选取与预测目标相关性较大基于时空特性的高速路短时交通流预测论文原稿滞参数变化而变化。任选两上下游断面，从图可以看出，两断面的互相关系数随时滞的增大而减小，在时达到最大，在时互相关系数未达到最大，主要原因是两断面间的空间距离不能使交通流变化的相互作用立即体现。基于神经网络的交通流预测模型根据时空相关分析结果可以找出与待测断面时间相关性较大的历史数据以及空间上相关性较大的几个相关相邻断面，但是相邻断面间的空间相互作用是非线性的，所以建立预测模型时选取神经网络作为预测工具。交通流短时预测预测方法主要分为两类第类是基于传高速路短时交通流预测论文原稿。具体算法流程如下步骤确定待预测断面与相关断面确定待预测断面，根据时空特性分析确定与待预测断面时空相关性较大的个相关断面以及断面与两流量序列的时滞......”。

2、“.....空间互相关分析高速路交通流不仅随时间变化，同时也受到空间因素的影响。现阶段对交通流空间变化特性的分析和描述认为，交通流互相关性大小是空间距离的函数，随着断面间距离的增加，在时达到最大，在时互相关系数未达到最大，主要原因是两断面间的空间距离不能使交通流变化的相互作用立即体现。基于神经网络的交通流预测模型根据时空相关分析结果可以找出与待测断面时间相关性较大的历史数据以及空间上相关性较大的几个相关相邻断面，但是相邻断面间的空间相互作用是非线性的，所以建立预测模型时选取神经网络作为预测工具。空间互相关分析高速路交通流不仅随时间变化，同时也受到空间因素的影响。现阶段对交通流空间变化特性的分析和描述认为......”。

3、“.....主要包括时间序列预测法历史均值预测法卡尔曼滤波法等第类是基于知识发现的智能模型，主要包括神经网络预测非参数回归预测支持向量机等。第类预测方法优点是方法模型简单，缺点是随着预测周期的缩短，交通流序列的非线性和随机性增强，预测精度减小。第类预测方法可以充分逼近任意复杂的非线性和随机性序列，对短时交通预测具有很好的效果。其中，神经网络是应用最广泛的模型网络，具有很好的非线性逼近能力。本文首先通流是非间断交通流，上下游间交通状态相互影响，上下游交通流参数分布具有定相似性和延迟性，即整个路网是个相互关联相互影响的系统。对交通流进行预测时，如果只考虑单断面的交通流数据，当出现车祸天气恶劣等偶然因素时，交通流的波动性变大，预测的准确性会降低......”。

4、“.....等采用时空随机效应模型对城市路网交通流量进行预测，不仅考虑了目标路段的历史交通参数，还考虑了多个参考路段的交通参数等利用时空关联性对实时路交通路数据对该预测方法进行性能评价，实例证明该方法与只考虑高速路时间特性或空间特性的预测模型相比具有更高的预测精度，提高了交通流预测的实时性和可靠性。由此可见，该方法可作为高速路短时交通流预测的有效手段。关键词短时交通流预测时空相关分析神经网络时间延迟中图分类号文献标识码文章编号，神经网络进行优化。以上对路网时空相关性的考虑在定程度上提高了预测精度，但往往忽略相邻断面空间相互作用的延迟性。其中指数的取值范围为。互相关系数互相关系数经常用于研究复杂网络各单元间的内在相互作用关系。对研究断面和的交通流时间序列和......”。

5、“.....计算公式为交通流时间序列的均值为和标准差为。其中式中为时滞参数，是指两个序列之间的时间间隔，反映了两序列的产生在时间上的先后关系。高速公路基本路段上游观测点的车辆按基于时空特性的高速路短时交通流预测论文原稿流进行预测邱世崇等提出了种基于时空特性分析和数据融合的预测方法，利用最小乘动态加权融合算法将基于时间序列数据预测结果和空间回归估计预测结果进行融合输出最终结果丁闪闪等提出了种基于时空关联和的短时交通参数预测方法，先利用主成分分析对多个影响因素进行预处理，再采用算法对神经网络进行优化。以上对路网时空相关性的考虑在定程度上提高了预测精度，但往往忽略相邻断面空间相互作用的延迟性。引言高速公路作為种普遍且重要的交通方式在客货运输中发挥着重要的作用......”。

6、“.....由于高速公路基本路段的交高速公路作為种普遍且重要的交通方式在客货运输中发挥着重要的作用，实时有效的交通预测信息可以诱导出行者的行为解决或缓解交通拥堵等问题。由于高速公路基本路段的交通流是非间断交通流，上下游间交通状态相互影响，上下游交通流参数分布具有定相似性和延迟性，即整个路网是个相互关联相互影响的系统。对交通流进行预测时，如果只考虑单断面的交通流数据，当出现车祸天气恶劣等偶然因素时，交通流的波动性变大，预测的准确性会降低。目前国内外学者逐渐将交通流的时空关联性用于短时交通流预测，照定速度行驶，经过定的空间长度后达到下游观测点，时滞参数即为交通流从上游传递到下游所涉及的时间上的延迟，也称为偏移时间。摘要为提高高速路短时交通流预测的准确度，建立了种基于时空相关分析和神经网络的短时交通流预测方法，首先......”。

7、“.....选取与预测目标相关性较大的历史时段和相关断面。然后，将各相关断面交通流时间序列与其时间延迟序列进行重构，选取历史时段和重构后的相关断面作为神经网络预测模型的输入。利用川省高，等采用时空随机效应模型对城市路网交通流量进行预测，不仅考虑了目标路段的历史交通参数，还考虑了多个参考路段的交通参数等利用时空关联性对实时路交通流进行预测邱世崇等提出了种基于时空特性分析和数据融合的预测方法，利用最小乘动态加权融合算法将基于时间序列数据预测结果和空间回归估计预测结果进行融合输出最终结果丁闪闪等提出了种基于时空关联和的短时交通参数预测方法，先利用主成分分析对多个影响因素进行预处理，再采用算法对基于时空特性的高速路短时交通流预测论文原稿引言，的历史时段和相关断面。然后......”。

8、“.....选取历史时段和重构后的相关断面作为神经网络预测模型的输入。利用川省高速路数据对该预测方法进行性能评价，实例证明该方法与只考虑高速路时间特性或空间特性的预测模型相比具有更高的预测精度，提高了交通流预测的实时性和可靠性。由此可见，该方法可作为高速路短时交通流预测的有效手段。关键词短时交通流预测时空相关分析神经网络时间延迟中图分类号文献标识码文章编号统数理统计理论的方法，主要包括时间序列预测法历史均值预测法卡尔曼滤波法等第类是基于知识发现的智能模型，主要包括神经网络预测非参数回归预测支持向量机等。第类预测方法优点是方法模型简单，缺点是随着预测周期的缩短，交通流序列的非线性和随机性增强，预测精度减小。第类预测方法可以充分逼近任意复杂的非线性和随机性序列，对短时交通预测具有很好的效果。其中......”。

9、“.....具有很好的非线性逼近能力。本文首先通过时空相关分析得到与待预测断面相关性较大的历空间互相关性逐渐减小，对于同路网，两确定断面间的空间互相关性随着交通负荷的增大而增大。作为计算互相关系数大小的重要参数，时滞参数的大小同样与空间距离有关。图为研究断面流量互相关系数及时滞参数与断面间空间距离的关系。可以看出，互相关系数随空间距离增加逐渐减小，减小至定值时趋于平稳。时滞参数在范围内随断面间距增大而增大，间距超过以后，在间波动，主要原因是断面间距过大，空间相互作用的影响变小。如图所示。同时，两断面交通流序列的互相关系数大小也会随着时间距离的函数，随着断面间距离的增加，空间互相关性逐渐减小，对于同路网，两确定断面间的空间互相关性随着交通负荷的增大而增大。作为计算互相关系数大小的重要参数......”。