短时交通流组合模型预测

被引：17

作者：

沈国江 ^{[1
]}

朱芸 ^{[2
]}

钱晓杰 ^{[2
]}

胡越 ^{[2
]}

机构：

[1] 浙江工业大学计算机科学与技术学院

[2] 浙江大学工业控制国家重点实验室

来源：

南京理工大学学报 | 2014年 / 38卷 / 02期

关键词：

间断流; 短时交通流预测; 卡尔曼滤波模型; 径向基函数神经网络; 惯性因子;

D O I：

10.14177/j.cnki.32-1397n.2014.02.011

中图分类号：

U491.112 [];

学科分类号：

082302 ; 082303 ;

摘要：

针对城市道路流量的非线性和不确定性特点,为避免单一模型预测准确率不高的缺陷,该文提出了一种短时交通流组合模型。该模型包含卡尔曼滤波模型和径向基函数神经网络模型2个子模型,较好地解决了神经网络不能反映大流量下的稳态性问题,以及卡尔曼滤波在流量不稳定时预测准确率不高的问题。在组合模型中引入惯性因子,确保了模型的稳定性。仿真结果表明该方法是可行有效的。

引用

页码：246 / 251

页数：6

共 8 条

[1] 短时交通流量智能组合预测模型及应用 [J].