基于时空融合的城市快速路短时交通流预测

短时交通流预测是交通状态判别和交通拥堵预测的重要基础。在选择速度作为建立交通流预测模型的基础上,对度速的时间相关性和空间相关性进行分析,针对以上两种特性,采用ARIMA模型和PSO优化的BP神经网络模型分别对交通流进行短时速度预测,并将预测结果利用可更新的动态权值加权融合得到最终的组合预测模型。利用北京市二环微波数据进行仿真和分析,将组合模型预测结果与单独使用两种模型的预测结果进行对比,结果发现组合模型预测的平均相对误差为5. 8%,有效地提高了速度预测精度,并利用组合优化模型对早晚高峰特定时间段进行预测,早晚高峰平均相对误差分别为3. 0%和4. 6%,体现该模型较好的适用性。