K近邻短时交通流预测模型

被引：52

作者：

于滨 ^{[1
]}

邬珊华 ^{[1
]}

王明华 ^{[1
]}

赵志宏 ^{[2
]}

机构：

[1] 大连海事大学交通运输管理学院

[2] 长安大学信息工程学院

来源：

交通运输工程学报 | 2012年 / 12卷 / 02期

基金：

中国博士后科学基金;

关键词：

交通信息工程; 短时交通流预测; K近邻模型; 时空参数; 指数权重;

D O I：

10.19818/j.cnki.1671-1637.2012.02.015

中图分类号：

U491.14 [];

学科分类号：

摘要：

为了准确预测道路短时交通流,构建了基于K近邻算法的短时交通流预测模型。分析了K近邻算法的时间和空间参数,提出4种状态向量组合的K近邻模型:时间维度模型、上游路段-时间维度模型、下游路段-时间维度模型与时空参数模型。以贵州省贵阳市出租车的GPS数据对几种K近邻模型进行了检验。分析结果表明:带有时空参数的K近邻模型具有更高的预测精度,其预测误差最小,平均为7.26%。基于指数权重的距离度量方式能更精确的选择近邻,其预测误差最小,平均为5.57%。与神经网络和历史平均模型相比,带有指数权重的K近邻模型具有更好的预测精度,平均预测误差仅为9.43%。可见,带有时空参数与指数权重的K近邻模型可作为道路短时交通流预测的有效手段。

引用

页码：105 / 111

页数：7

共 11 条

[1] 基于K近邻非参数回归的短时交通流预测方法[J].张涛,陈先,谢美萍,张玥杰. 系统工程理论与实践.2010(02)
[2] 面向实时短时交通流预测的过程神经元网络建模[J].宋国杰,胡程,谢昆青,彭锐. 交通运输工程学报.2009(05)
[3] 非参数回归方法在短时交通流预测中的应用[J].张晓利,陆化普. 清华大学学报(自然科学版).2009(09)
[4] 基于K-邻域非参数回归短时交通流预测方法[J].张晓利,贺国光,陆化普. 系统工程学报.2009(02)
[5] 基于宏观交通流模型的行程时间预测[J].干宏程,汪晴,范炳全. 上海理工大学学报.2008(05)
[6] 基于约束卡尔曼滤波的短时交通流量组合预测模型[J].聂佩林,余志,何兆成. 交通运输工程学报.2008(05)
[7] 基于非参数回归的快速路行程速度短期预测算法[J].翁剑成,荣建,任福田,魏中华. 公路交通科技.2007(03)
[8] 支持向量机在交通流量实时预测中的应用[J].徐启华,杨瑞. 公路交通科技.2005(12)
[9] 交通流预测方法综述[J].刘静,关伟. 公路交通科技.2004(03)
[10] 路段上短时间区段内交通量预测ARIMA模型[J].朱顺应,王红,李关寿. 重庆交通学院学报.2003(01)

← 1 2 →