基于时空关联和BP_Adaboost的短时交通参数预测

• 作者: 丁闪闪 党倩 季锦章 王维锋
• 来源期刊: 公路交通科技
• 学科: 交通运输
• 关键词: 交通工程 交通参数 主成分分析 Adaboost算法 BP神经网络 短时预测 时空关联性
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 智能运输系统与交通工程
• 页码范围: 98-104
• 页数: 7页
• 分类号: U491.1+4
• 字数: 4792字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0268.2016.05.016

摘要

为提高预测精度和降低计算复杂度,提出了一种基于时空关联和BP_Adaboost的短时交通参数预测方法.首先,通过分析交通参数之间的时间关联性和空间关联性,得到对预测值产生影响的因素.然后,采用主成分分析法对影响因素进行预处理,选取了主成分作为后续预测模型的输入.最后,采用Adaboost算法对BP神经网络进行优化,构建了BP_Adaboost预测模型,以改善传统BP神经网络的预测性能.利用南京市典型道路数据对该方法进行了性能评价.结果表明:该方法不仅可以在一定程度上提高预测精度,更重要的是能够大大提高预测结果的稳定性.由此可见,该方法可以作为短时交通参数预测的有效手段.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	季锦章		14	30	3.0	4.0
3	王维锋		12	34	4.0	5.0
5	丁闪闪		3	8	2.0	2.0