基于加权组合模型的短时交通流预测研究

• 作者: 李建明 温乐 耿浩 雷斌
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 非参数回归 小波神经网络 短时交通流预测 组合预测
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 先进算法与人工智能
• 页码范围: 37-41
• 页数: 5页
• 分类号: TP399
• 字数: 4178字
• 语种: 中文

摘要

为了改善城市路网中短时交通流预测效果,提高预测精度,设计了一种基于改进的K近邻非参数回归和小波神经网络加权组合的短时交通流预测方法.针对K近邻非参数回归预测方法搜索量大、相似性差等问题,采用基于交叉口相关系数加权的欧氏距离选择K近邻值.小波变换与神经网络有机结合形成的前馈型网络,对非平稳的输入信号能够呈现出良好的时频特性和变焦能力,对短时交通流预测效果有着明显的提升.通过算例分析,说明所设计的预测方法能够获得比较精确的短时交通流预测结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	雷斌	兰州交通大学机电技术研究所	38	166	7.0	11.0
5	温乐	兰州交通大学机电技术研究所	5	17	2.0	4.0
9	耿浩		2	7	1.0	2.0
10	李建明	兰州交通大学机电技术研究所	4	24	3.0	4.0