短时交通流预测模型

被引：87

作者：

樊娜 ^{[1
]}

赵祥模 ^{[1
]}

戴明 ^{[1
,2
]}

安毅生 ^{[1
]}

机构：

[1] 长安大学信息工程学院

[2] 中国交通通信信息中心

来源：

交通运输工程学报 | 2012年 / 12卷 / 04期

关键词：

短时交通流预测; 混合模型; 非参数回归; BP神经网络; 模糊控制;

D O I：

10.19818/j.cnki.1671-1637.2012.04.015

中图分类号：

U491.112 [];

学科分类号：

摘要：

针对短时交通流变化周期性与随机性的特点,提出了新的混合预测模型,包含非参数回归模型与BP神经网络模型2种单项模型。非参数回归模型利用相关历史交通流数据,通过数据库匹配操作,确定预测结果,以充分体现交通流的周期稳定性。采用3层BP神经网络模型反映交通流的动态与非线性特点。采用模糊控制算法确定各单项模型的权重,并按不同权重有效组合成新的混合模型。采用西安市某路段30d的交通流量数据验证混合模型的预测效果。试验结果表明:该混合模型的平均相对误差为1.26%,最大相对误差为3.53%,其预测精度明显高于单项模型单独预测时的精度,能较准确地反映交通流真实情况。

引用

页码：114 / 119

页数：6

共 10 条

[1]

Nonparametric Regression and Short&hyphen;Term Freeway Traffic Forecasting.[J].Gary A. Davis;Nancy L. Nihan.Journal of Transportation Engineering.1991, 2

[2]

短时交通流预测方法综述 [J].