基于时间序列相似性搜索的交通流短时预测方法

被引：6

作者：

杨兆升 ^{[1
,2
,3
]}

邴其春 ^{[1
]}

周熙阳 ^{[1
]}

马明辉 ^{[1
]}

李晓文 ^{[1
]}

机构：

[1] 吉林大学交通学院

[2] 吉林大学汽车仿真与控制国家重点实验室

[3] 吉林大学吉林省道路交通重点实验室

来源：

交通信息与安全 | 2014年 / 06期

关键词：

时间序列; 相似性搜索; 界标模型; 回声状态网络; 短时预测;

D O I：

暂无

中图分类号：

U491.112 [];

学科分类号：

082302 ; 082303 ;

摘要：

为了进一步提高交通流短时预测的效果,在分析现有预测模型存在问题的基础上,设计了1种基于时间序列相似性搜索的交通流短时多步预测方法。利用界标模型对交通流时间序列数据进行模式表示,在历史数据库中搜索与当前交通流时间序列相似度较高的历史时间序列,进而确定与预测时刻相对应的历史数据,利用回声状态网络模型实现交通流的短时多步预测。采用某特大城市快速路5min采样间隔的交通流量数据进行实验验证和对比分析。实验结果表明,回声状态网络模型的预测精度分别比ARIMA模型和BP神经网络模型提高了6.25%和3.85%,以时间序列相似性搜索结果作为模型输入数据能够进一步提高交通流短时预测的精度。

引用

页码：22 / 26+43 +43

页数：6

共 10 条

[1] 基于支持向量机回归的短时交通流预测模型 [J].

傅贵 ;

韩国强 ;

逯峰 ;

许子鑫 .

华南理工大学学报(自然科学版), 2013, 41 (09) :71-76

[2] 基于投影寻踪神经网络模型的短时交通量预测研究 [J].

刘元林 ;

胡伍生 ;

李素兰 ;

李红伟 .

交通信息与安全, 2012, (04) :44-47

[3] 基于核自组织映射-前馈神经网络的交通流短时预测 [J].

龚勃文 ;

林赐云 ;

李静 ;

杨兆升 .

吉林大学学报(工学版) , 2011, (04) :938-943

[4] 基于时空特性和RBF神经网络的短时交通流预测 [J].

高为 ;

陆百川 ;

贠天鹂 ;

谭伟 .

交通信息与安全, 2011, (01) :16-19+24

[5] 基于回声状态网络的时间序列预测方法研究 [J].

彭宇 ;

王建民 ;

彭喜元 .

电子学报, 2010, 38(S1) (S1) :148-154

[6] 基于小波分解与重构的交通流短时预测法 [J].

贺国光 ;

马寿峰 ;

李宇 .

系统工程理论与实践, 2002, (09) :101-106+131

[7] 基于卡尔曼滤波理论的交通流量实时预测模型 [J].

杨兆升 ;

朱中 .

中国公路学报, 1999, (03) :63-67

[8]

Real-time road traffic prediction with spatio-temporal correlations[J] . Wanli Min,Laura Wynter.Transportation Research Part C . 2010 (4)

[9]

Experiencing SAX: a novel symbolic representation of time series[J] . Jessica Lin,Eamonn Keogh,Li Wei,Stefano Lonardi.Data Mining and Knowledge Discovery . 2007 (2)

[10] Traffic prediction using multivariate nonparametric regression [J].

Clark, S .

JOURNAL OF TRANSPORTATION ENGINEERING, 2003, 129 (02) :161-168

← 1 →