基于特性和影响因素分析的短时交通流预测

• 作者: 游黄阳 许伦辉
• 来源期刊: 广西师范大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 智能交通系统 交通流预测 指数平滑法 RBF神经网络
• 年，卷（期）: 2013,（1）
• 页码范围: 1-5
• 页数: 5页
• 分类号: U491
• 字数: 3946字
• 语种: 中文

摘要

可靠的短时交通流预测是智能交通系统的重要基础.为了提高短时交通流预测的预测精度和对于不同交通状态的适应性,在分析了交通流特性以及时空二维影响因素的基础上,提出了一种组合预测模型,使其能够综合反映这些特性和影响因素.该组合预测模型包括时间序列模块、空间相关模块和组合预测模块三个子模块.单项预测模型包括自适应单指数平滑模型和RBF神经网络模型,组合系数是以两个单项预测子模块的平滑百分比相对误差作为输入,以神经网络作为学习算法自适应地得到.最后通过平峰和高峰时段实测的交通流量数据来验证模型的有效性和可靠性,结果表明:该组合预测模型的预测精度高于单项预测模型各自单独使用时的精度,且对于不同的交通流状况具有较好的适应性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许伦辉	华南理工大学土木与交通学院	102	999	17.0	26.0
2	游黄阳	华南理工大学土木与交通学院	6	24	3.0	4.0