基于改进型贝叶斯组合模型的短时交通流量预测

被引：32

作者：

王建

邓卫

赵金宝

机构：

[1] 东南大学交通学院

来源：

东南大学学报(自然科学版) | 2012年 / 42卷 / 01期

关键词：

贝叶斯组合模型; 交通流; 小波分析; ARIMA算法; BP神经网络;

D O I：

暂无

中图分类号：

U491.112 [];

学科分类号：

摘要：

针对短时交通流量预测的难题,在传统贝叶斯组合模型进行改善的基础上,提出一种改进型贝叶斯组合模型.该模型只根据各基本预测模型当前时刻之前几个交通流量的预测表现,通过提出的分配算法实时更新组合模型中各个基本预测模型的权重,从而改善了传统贝叶斯组合模型权重计算迭代步长过长的缺陷,提高了贝叶斯组合模型对各个基本预测模型预测精度的灵敏性.通过对实地的交通流量的预测发现,基于改进型贝叶斯组合模型的预测精度不仅优于单一的预测方法,而且也优于传统的贝叶斯组合模型,从而证明了改进型贝叶斯组合模型有效提高预测的可靠性和具有一定的实用性.

引用

页码：162 / 167

页数：6

共 11 条

[1] 短时交通流量智能组合预测模型及应用
沈国江
王啸虎
孔祥杰
[J]. 系统工程理论与实践, 2011, 31 (03) : 561 - 568
[2] 基于小波分析的交通参数组合预测方法
冯金巧
杨兆升
孙占全
张立东
刘威
[J]. 吉林大学学报(工学版), 2010, 40 (05) : 1220 - 1224
[3] 基于小波分析和ARIMA模型的交通流预测方法
窦慧丽
刘好德
吴志周
杨晓光
[J]. 同济大学学报(自然科学版), 2009, 37 (04) : 486 - 489+494
[4] 基于约束卡尔曼滤波的短时交通流量组合预测模型
聂佩林
余志
何兆成
[J]. 交通运输工程学报, 2008, (05) : 86 - 90
[5] 基于主成分分析和组合神经网络的短时交通流预测方法
张晓利
贺国光
[J]. 系统工程理论与实践, 2007, (08) : 167 - 171
[6] 基于贝叶斯组合模型的短期交通量预测研究
郑为中
史其信
[J]. 中国公路学报, 2005, (01) : 89 - 93
[7] Study of forecasting solar irradiance using neural networks with preprocessing sample data by wavelet analysis
Cao, J. C.
Cao, S. H.
[J]. ENERGY, 2006, 31 (15) : 3435 - 3445
[8] Enhancing short-term traffic forecasting with traffic condition information
Turochy, Rod E.
[J]. JOURNAL OF TRANSPORTATION ENGINEERING, 2006, 132 (06) : 469 - 474
[9] Optimized and meta-optimized neural networks for short-term traffic flow prediction: A genetic approach[J] . Eleni I. Vlahogianni,Matthew G. Karlaftis,John C. Golias.Transportation Research Part C . 2005 (3)
[10] Comparison of parametric and nonparametric models for traffic flow forecasting
Smith, BL
Williams, BM
Oswald, RK
[J]. TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES, 2002, 10 (04) : 303 - 321

← 1 2 →