基于改进的路网聚类结合PSOWNN的交通流预测

• 作者: 何怡刚 唐圣期 李胜 殷礼胜
• 来源期刊: 微电子学与计算机
• 关键词: 交通流预测 相关性路网聚类 分段加权适应度函数 粒子群算法 小波神经网络
• 年，卷（期）: 2020,（1）
• 页码范围: 20-26
• 页数: 7页
• 分类号: U491.1
• 语种: 中文

摘要

针对城市路网交通流数据的空间相关性、非线性和平稳与非平稳的特点,提出一种采用基于交通流量数据相关性分析改进的路网聚类算法与基于交通流量分段加权适应度函数的粒子群小波神经网络算法(MC-MP-SOWNN)相结合的预测方法,来提高算法的预测精度.首先,利用基于交通流量数据相关性分析的路网聚类算法筛选出空间中与预测点交通流量数据相关系数高的其他观测点,以此精简了样本输入数据,减少冗余数据对预测精度的干扰,提高整体预测精度;其次,再构建一种新型的粒子群算法的适应度函数,给予整体预测样本中非平稳数据段更大的调节力度,以此来进一步提高非平稳数据段的预测精度.最后经实验结果分析,提出的改进预测算法相比未进行改进前预测算法而言,明显提高了整体及非平稳数据段预测精度,达到较好的预测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	殷礼胜	合肥工业大学电气与自动化工程学院	17	84	6.0	8.0
2	何怡刚	合肥工业大学电气与自动化工程学院	175	1119	17.0	26.0
3	唐圣期	合肥工业大学电气与自动化工程学院	3	6	1.0	2.0
4	李胜	合肥工业大学电气与自动化工程学院	5	11	2.0	3.0