|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘 要：交通流量预测是实现智能交通技术的核心问题，及时准确地预测道路交通流量是实现动态交通管理的前提，5 u- V4 s$ g9 t( r; b
短时交通流量的预测是交通流量预测的重要组成部分。该文针对十字路口的短时交通流量预测问题设计了基于交通
6 g6 C/ C7 i6 R流量序列分割和极限学习机(Extreme Learning Machine, ELM)组合模型的交通流量预测算法(Traffic Flow , _) U; A0 }% h0 ]& v
Prediction Based on Combined Model, TFPBCM)。该算法首先采用K-means对交通流量数据在时间上进行序列分
?( P7 G4 a a5 ?$ [; ~* O; u& {" u割，然后采用ELM对各个序列进行建模和预测。仿真实验证明，与单一的BP(Back Propagation)神经网络和ELM
; p: J6 ~& ]" F' Z! a2 G, F相比，该组合模型算法建模时间为BP的1/10, ELM建模时间的4倍，均方误差为BP的1/50, ELM的1/20，该组合模" F% p2 T7 ]3 A% q; |
型算法决定系数R2更接近于1，模型可信度更高。' i# w+ F9 K7 m& i6 ?& w7 j- s
关键词：短时交通流量；K 均值算法；极限学习机；组合模型算法( t/ { @' q# Q3 B0 [
1 引言' ^3 v" [0 q7 x
随着国内城市的高速发展，交通拥堵，交通效
% L* b0 k/ e' O4 O8 ]率低下造成了交通事故的频发，这已成为各个城市
2 Q8 ?2 ?) W" d4 h发展面临的共同问题[1]。及时做好交通流量预测对各
( _$ w) C; L f% R个主干道路进行调整成为了解决城市交通拥堵问题6 s5 \" `- c- H1 Q, |4 ~, Q5 P2 C5 f
, O3 z/ J8 y q9 ?7 H
0 T) |- e' M; x; i6 D; { ]
x* F4 C, G$ }# ~# H. ]" u& A+ l/ i
w4 O/ t: F8 Z& V附件下载：
, p& Q9 s& q$ p9 \4 ^6 o/ K
9 G' n$ w, O7 x J u- K3 v |
|
/1 
发表于 2021-5-12 14:08
收藏
淘帖
支持！
反对！