基于加权组合模型的短时交通流预测研究

被引：6

作者：

雷斌 ^{[1
,2
]}

温乐 ^{[1
,3
]}

耿浩 ^{[4
]}

李建明 ^{[1
]}

机构：

[1] 兰州交通大学机电技术研究所

[2] 甘肃省物流及运输装备信息化工程技术研究中心

[3] 甘肃省物流与信息技术研究院

[4] 西安沙尔特宝电气有限公司

来源：

测控技术 | 2018年 / 37卷 / 05期

关键词：

非参数回归; 小波神经网络; 短时交通流预测; 组合预测;

D O I：

10.19708/j.ckjs.2018.05.011

中图分类号：

TP183 [人工神经网络与计算]; U491.14 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 082302 ; 082303 ;

摘要：

为了改善城市路网中短时交通流预测效果,提高预测精度,设计了一种基于改进的K近邻非参数回归和小波神经网络加权组合的短时交通流预测方法。针对K近邻非参数回归预测方法搜索量大、相似性差等问题,采用基于交叉口相关系数加权的欧氏距离选择K近邻值。小波变换与神经网络有机结合形成的前馈型网络,对非平稳的输入信号能够呈现出良好的时频特性和变焦能力,对短时交通流预测效果有着明显的提升。通过算例分析,说明所设计的预测方法能够获得比较精确的短时交通流预测结果。

引用

页码：37 / 41

页数：5

共 16 条

[1] 短时交通流预测的改进K近邻算法 [J].