基于组合模型的短时交通流量预测算法

wozuishuai

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，
$ `# Q& V* y5 o% U( T6 l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
5 o% t: }" T" i6 h) i/ r3 b+ c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
- n+ _% R& B( I8 R. n* `" y2 c' QPrediction 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
: e& P" c5 o. \3 O& G+ o4 K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
( o6 p; f; r, g# P+ 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
型算法决定系数R2更接近于1，模型可信度更高。
. N; V. o4 a4 l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
1 引言
随着国内城市的高速发展，交通拥堵，交通效
/ g) ~  {/ k6 q" V- u率低下造成了交通事故的频发，这已成为各个城市
发展面临的共同问题[1]。及时做好交通流量预测对各
- F. k/ o# G/ C! D6 c. `' _个主干道路进行调整成为了解决城市交通拥堵问题
+ i2 b( T* v% [6 p; x# |  X& p

, e2 K, b- v7 M1 ~+ Z4 G8 D" q) T, A! q

, d6 r3 l4 `# h& [
. @2 f- x- n* {: [7 [/ F; a6 W: ]附件下载：

游客，如果您要查看本帖隐藏内容请回复

  m) E& a3 h8 e3 O/ c: u$ [4 D

messed

谢谢分享