基于时空特性的短时交通流预测模型

被引：13

作者：

邱敦国

兰时勇

杨红雨

机构：

[1] 四川大学计算机学院

来源：

华南理工大学学报(自然科学版) | 2014年 / 42卷 / 07期

关键词：

短时交通流预测; SARIMA模型; RBF神经网络; 历史周期性; 空间相关性;

D O I：

暂无

中图分类号：

U491.1 [交通调查与规划];

学科分类号：

082302 ; 082303 ;

摘要：

根据交通流的历史周期性和空间相关性,文中综合SARIMA模型在历史周期性预测上的优势和RBF模型在空间相关性预测上的优势,提出了SARIMA-RBF模型.该模型采用SARIMA模型通过历史数据预测下一时刻的交通流,然后将预测值与该点上下游关联的交通流数据相结合,采用RBF神经网络模型得出输出值,并将该输出值作为SARIMARBF模型对下一时刻交通流的预测结果.实验结果表明,该模型因同时考虑了交通流的历史周期性和空间相关性,相比SARIMA模型和RBF模型具有更好的交通流预测效果.

引用

页码：49 / 54

页数：6

共 11 条

[1] 一种基于双周期时间序列的短时交通流预测算法 [J].

邱敦国 ;

杨红雨 .

四川大学学报(工程科学版), 2013, 5 (05) :64-68

[2] 基于时空依赖性的区域路网短时交通流预测模型 [J].

常刚 ;

张毅 ;

姚丹亚 .

清华大学学报(自然科学版), 2013, 53 (02) :215-221

[3] 基于蚁群聚类算法的RBF神经网络交通流预测 [J].

林鑫 ;

王晓晔 ;

王卓 ;

张德干 .

河北工业大学学报, 2010, 39 (03) :42-45

[4] 多子群遗传神经网络模型用于路口短时交通流量预测 [J].

刘汉丽 ;

周成虎 ;

朱阿兴 ;

李霖 .

测绘学报, 2009, (04) :363-368

[5] 基于神经网络的城市交通流预测研究 [J].

马君 ;

刘小冬 ;

孟颖 .

电子学报, 2009, 37 (05) :1092-1094

[6] 基于混沌时间序列分析法的短时交通流预测研究 [J].

薛洁妮 ;

史忠科 .

交通运输系统工程与信息, 2008, (05) :68-72

[7] 基于GGA的RBF神经网络及其在交通信息预测中的应用 [J].

郭璘 ;

方廷健 ;

叶加圣 .

模式识别与人工智能, 2006, 19 (06) :831-835

[8] 短时交通流量两种预测方法的研究 [J].

田晶 ;

杨玉珍 ;

陈阳舟 .

公路交通科技, 2006, (04) :103-106

[9]

Online-SVR for short-term traffic flow prediction under typical and atypical traffic conditions[J] . Manoel Castro-Neto,Young-Seon Jeong,Myong-Kee Jeong,Lee D. Han.Expert Systems With Applications . 2008 (3)

[10]

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)

← 1 2 →