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，
( P/ F& F; i6 m+ H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
- L/ J+ ^8 }3 j% U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
: s) z! j! ?5 E1 i% jPrediction 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
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
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
# Q6 ~) `7 @( I0 J型算法决定系数R2更接近于1，模型可信度更高。
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
! W4 j$ `0 M% u6 j: m: f) G1 引言
' P$ P" T" f* L) o+ L随着国内城市的高速发展，交通拥堵，交通效
率低下造成了交通事故的频发，这已成为各个城市
3 W2 f0 R7 s+ D6 u. h发展面临的共同问题[1]。及时做好交通流量预测对各
个主干道路进行调整成为了解决城市交通拥堵问题

, Z2 v6 ~: ]  c+ O! h9 z' E
) A8 o! R, B( a* G  [0 s6 n

1 ~) n) ]( l* {# o
, e6 I4 W0 b) g2 @4 `附件下载：

游客，如果您要查看本帖隐藏内容请回复

, S3 ]# b( A& r+ Z/ S

messed

谢谢分享