基于时空特性分析和数据融合的交通流预测

被引:20
作者
邱世崇 [1 ]
陆百川 [1 ,2 ]
马庆禄 [1 ]
邹巍 [1 ]
张勤 [1 ]
机构
[1] 重庆交通大学交通运输学院
[2] 重庆交通大学重庆山地城市交通系统与安全实验室
关键词
城市道路; 短时交通流预测; 数据融合; 时间特性; 空间特性;
D O I
暂无
中图分类号
U491.1 [交通调查与规划];
学科分类号
082302 ; 082303 ;
摘要
短时交通流预测是城市道路交通控制和交通诱导的关键技术之一,针对其考虑因素单一、预测精度不高的问题,提出了一种基于时空特性分析和数据融合的预测方法。首先,分析了交通流时间特性、时间相关性和基于时间序列数据的预测方法。其次,在对交通流空间特性、空间互相关性分析的基础上,提出了以相邻路段流量为自变量,采用多元逐步线性回归对目标路段流量估计预测的方法。最后,分析了交通流的时空关联特性,同时考虑到时间和空间因素,利用最小二乘动态加权融合算法将基于时间序列数据预测结果和空间回归估计预测结果进行融合输出最终结果。仿真结果表明,对比单一时间序列和空间回归估计预测方法,所提出的方法有效提高了短时交通流预测精度。
引用
收藏
页码:156 / 160+178 +178
页数:6
相关论文
共 8 条
[1]   拥挤流状态下城市快速路交通流时空特性 [J].
董春娇 ;
邵春福 ;
诸葛承祥 ;
孟梦 .
北京工业大学学报, 2012, 38 (08) :1242-1246+1268
[2]   城市路网交通流的空间互相关性 [J].
赵婷婷 ;
张毅 ;
周彧 ;
冯树民 .
清华大学学报(自然科学版), 2011, 51 (03) :313-317
[3]   混合交通流时间序列的去趋势波动分析 [J].
吴建军 ;
徐尚义 ;
孙会君 .
物理学报, 2011, 60 (01) :798-804
[4]   基于最小二乘原理的多传感器加权融合算法 [J].
仲崇权 ;
张立勇 ;
杨素英 ;
李卓函 .
仪器仪表学报, 2003, (04) :427-430
[5]  
城市道路交通状态评价和预测方法及应用研究[D]. 孙晓亮.北京交通大学. 2013
[6]  
基于多断面信息的城市道路网交通流预测方法研究[D]. 崔立成.大连海事大学. 2012
[7]  
时空关联性分析方法研究与应用[D]. 张俊.重庆邮电大学. 2011
[8]  
信息融合理论及应用[M]. 电子工业出版社 , 何友, 2010