科研之友
微信
新浪微博
Facebook
分享链接
摘要
钢铁行业的蓬勃发展使物流运输车辆不断增加，导致钢铁物流企业门岗处车流拥堵，造成企业运输成本的增加和资源的浪费。为提高钢铁物流企业门岗处车流进出效率，减少排队等候时间，车辆拥堵预测技术成为众多科研工作者的研究重点，其中基于人工智能的车辆拥堵预测技术是当前研究的热点。该文通过归纳和总结基于人工智能的拥堵预测技术，根据预测模型对于数据集处理能力和模型复杂程度不同将预测模型分为机器学习和深度学习。基于机器学习的预测模型是传统数理统计模型的衍生和强化，凭借优于传统数理统计的计算速度和误差拟合得到较为理想的预测精度。深度学习的预测模式是机器学习预测模型的升级，通过对海量历史数据分析、计算进而得到数据之间的规律，获得自主学习的能力，达到预测的效果。阐述拥堵预测技术在当前复杂的交通道路中所面临的挑战和可能的解决方案，展望拥堵预测技术未来的研究方向。
- 出版日期2023
- 单位机电工程学院; 湖南科技大学
