高速路交通流短时预测方法

被引：16

作者：

许岩岩 ^{[1
]}

翟希 ^{[2
]}

孔庆杰 ^{[1
]}

刘允才 ^{[1
]}

机构：

[1] 上海交通大学系统控制与信息处理教育部重点实验室

[2] 上海市城乡建设和交通发展研究院交通信息中心研究部

来源：

交通运输工程学报 | 2013年 / 13卷 / 02期

关键词：

智能交通系统; 交通流预测; 数据挖掘; 时间序列分析; 分类回归树; Kalman滤波器;

D O I：

10.19818/j.cnki.1671-1637.2013.02.017

中图分类号：

U491.14 [];

学科分类号：

摘要：

针对短时交通流变化的复杂性与非线性特点,分析了分类回归树模型的建立,包括模型的生长、分裂与剪枝,研究了模型在高速路交通流短时预测中的应用,并对美国波特兰州高速路网的真实交通流量数据进行分析建模。采用RMSE与MAPE误差分析法,将试验结果与传统的交通流预测方法ARIMA模型与Kalman滤波预测模型进行比较。对比结果表明:分类回归树预测模型的RMSE比ARIMA模型与Kalman滤波预测模型分别降低了42.1%、13.1%。

引用

页码：114 / 119

页数：6

共 5 条

[1] 短时交通流预测模型 [J].