短时交通流预测的改进K近邻算法

被引：32

作者：

谢海红 ^{[1
,2
]}

戴许昊 ^{[1
]}

齐远 ^{[3
]}

机构：

[1] 北京交通大学城市交通复杂系统理论与技术教育部重点实验室

[2] 北京城市交通协同创新中心

[3] 湖南省交通规划勘察设计院

来源：

交通运输工程学报 | 2014年 / 14卷 / 03期

关键词：

交通规划; 短时交通流预测; K近邻算法; 模式距离; 多元统计回归;

D O I：

暂无

中图分类号：

U495 [电子计算机在公路运输和公路工程中的应用];

学科分类号：

0838 ;

摘要：

分析了原有的短时交通流预测的K近邻算法,用模式距离搜索方法代替原有的欧氏距离搜索方法,引入多元统计回归模型,建立了一种改进的短时交通流预测的K近邻算法,并以北京市某路段进行实例验证。试验结果表明:当K取23时,利用改进的K近邻算法,预测结果的均方误差、平均相对误差、平均绝对误差分别为31.43%、4.17%、0.27%;利用原有的K近邻算法,预测结果的均方误差、平均相对误差、平均绝对误差分别为33.33%、4.40%、0.28%;利用历史平均模型,预测结果的均方误差、平均相对误差、平均绝对误差分别为46.20%、11.40%、0.48%。可见,改进的K近邻算法的预测精度明显高于其他2种方法,在提高搜索效率的同时准确地刻画了交通流的真实情况。

引用

页码：87 / 94

页数：8

共 18 条

[1] 基于浮动车数据非参数回归短时交通速度预测 [J].