基于组合模型的短时交通流量预测算法

wozuishuai

摘 要：交通流量预测是实现智能交通技术的核心问题，及时准确地预测道路交通流量是实现动态交通管理的前提，
! o! |! K$ n: B) S短时交通流量的预测是交通流量预测的重要组成部分。该文针对十字路口的短时交通流量预测问题设计了基于交通
流量序列分割和极限学习机(Extreme Learning Machine, ELM)组合模型的交通流量预测算法(Traffic Flow
Prediction Based on Combined Model, TFPBCM)。该算法首先采用K-means对交通流量数据在时间上进行序列分
) ?+ F* f& W# p+ m9 P割，然后采用ELM对各个序列进行建模和预测。仿真实验证明，与单一的BP(Back Propagation)神经网络和ELM
相比，该组合模型算法建模时间为BP的1/10, ELM建模时间的4倍，均方误差为BP的1/50, ELM的1/20，该组合模
型算法决定系数R2更接近于1，模型可信度更高。
关键词：短时交通流量；K 均值算法；极限学习机；组合模型算法
0 i# Z1 U& H, A9 i/ ?" x3 l1 引言
随着国内城市的高速发展，交通拥堵，交通效
; A: @0 w8 j8 W* g率低下造成了交通事故的频发，这已成为各个城市
发展面临的共同问题[1]。及时做好交通流量预测对各
( W% T6 e2 J. V8 S个主干道路进行调整成为了解决城市交通拥堵问题

# P/ }0 j. I7 x* e- W* z
& t" p& x" W( X; L. K3 N) E* z


附件下载：

游客，如果您要查看本帖隐藏内容请回复

: _6 K6 T  @/ I/ O

messed

谢谢分享