【摘要】：為了提高短時交通流的預(yù)測精度,更加精確地進(jìn)行交通流規(guī)劃和管理,引入了一種基于相似性的短時交通流預(yù)測方法。用該方法研究了美國加州高速公路某單點(diǎn)交通流在時間尺度上的相似性,發(fā)現(xiàn)同"星期幾"交通流的相似性比相鄰幾天交通流的相似性大。在此基礎(chǔ)上,建立了小波神經(jīng)網(wǎng)絡(luò)模型,將4個同"星期幾"的交通流數(shù)據(jù)和相鄰4天的交通流數(shù)據(jù)分別構(gòu)成一組,各自采用200多組數(shù)據(jù)分別訓(xùn)練小波神經(jīng)網(wǎng)絡(luò),然后對同一天的交通流進(jìn)行了預(yù)測,發(fā)現(xiàn)前者的MRE、MSPE值比后者低,EC值比后者高,說明前者的預(yù)測精度高于后者,驗(yàn)證了所提方法的有效性。
[Abstract]:In order to improve the prediction accuracy of short-term traffic flow and carry out traffic flow planning and management more accurately, a short-term traffic flow forecasting method based on similarity is introduced. This method is used to study the time scale similarity of a single point of traffic flow on the California Expressway in the United States. It is found that the similarity to the traffic flow on the day of the week is greater than the similarity of the traffic flow in the adjacent days. On the basis of this, the wavelet neural network model is established. The traffic flow data of four days and the traffic flow data of adjacent 4 days are formed into a group, and more than 200 sets of data are used to train the wavelet neural network respectively. Then the traffic flow on the same day is predicted. It is found that the MRE, MSPE value of the former is lower than that of the latter, and the EC value of the former is higher than that of the latter. The prediction accuracy of the former is higher than that of the latter, and the effectiveness of the proposed method is verified.
【作者單位】： 南京信息工程大學(xué)信息與控制學(xué)院;
【分類號】：U491.112

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 楊世堅(jiān),賀國光;基于模糊C均值聚類和神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測方法[J];系統(tǒng)工程;2004年08期

2 孫占全;潘景山;張贊軍;張立東;丁青艷;;基于主成分分析與支持向量機(jī)結(jié)合的交通流預(yù)測[J];公路交通科技;2009年05期

3 姚琛;羅霞;漢克·范少倫;;基于粗集和神經(jīng)網(wǎng)絡(luò)耦合的短時交通流預(yù)測[J];公路交通科技;2010年11期

4 王嬌;李軍;;最小最大概率回歸機(jī)在短時交通流預(yù)測中的應(yīng)用[J];公路交通科技;2014年02期

5 陸海亭;張寧;黃衛(wèi);夏井新;;短時交通流預(yù)測方法研究進(jìn)展[J];交通運(yùn)輸工程與信息學(xué)報;2009年04期

6 沈永增;閆紀(jì)如;王煒;;基于混沌粒子群優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測[J];計(jì)算機(jī)應(yīng)用與軟件;2014年06期

7 歐曉凌,裘剛,張毅,李志恒;城市交通流信息相似性分析與研究[J];中南公路工程;2003年02期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 戢曉峰;劉瀾;吳其剛;;基于粒度計(jì)算的交通管理決策支持[J];公路;2008年10期

2 劉潭秋;孫湘海;鐘翔;;基于三制度SETAR模型的短期交通流預(yù)測[J];公路交通科技;2010年10期

3 姚琛;羅霞;漢克·范少倫;;基于粗集和神經(jīng)網(wǎng)絡(luò)耦合的短時交通流預(yù)測[J];公路交通科技;2010年11期

4 姜桂艷;王秋蘭;李琦;;基于多時間尺度一步外推的短時交通參數(shù)多步預(yù)測方法[J];公路交通科技;2013年02期

5 王嬌;李軍;;最小最大概率回歸機(jī)在短時交通流預(yù)測中的應(yīng)用[J];公路交通科技;2014年02期

6 李s，

本文編號：2438748