交通信息与安全
交通信息與安全
교통신식여안전
JOURNAL OF TRANSPORT INFORMATION AND SAFETY
2014年
6期
22-26,43
,共6页
杨兆升%邴其春%周熙阳%马明辉%李晓文
楊兆升%邴其春%週熙暘%馬明輝%李曉文
양조승%병기춘%주희양%마명휘%리효문
时间序列%相似性搜索%界标模型%回声状态网络%短时预测
時間序列%相似性搜索%界標模型%迴聲狀態網絡%短時預測
시간서렬%상사성수색%계표모형%회성상태망락%단시예측
time series%similarity search%landmark model%echo state networks%short-term prediction
为了进一步提高交通流短时预测的效果,在分析现有预测模型存在问题的基础上,设计了1种基于时间序列相似性搜索的交通流短时多步预测方法.利用界标模型对交通流时间序列数据进行模式表示,在历史数据库中搜索与当前交通流时间序列相似度较高的历史时间序列,进而确定与预测时刻相对应的历史数据,利用回声状态网络模型实现交通流的短时多步预测.采用某特大城市快速路5 min采样间隔的交通流量数据进行实验验证和对比分析.实验结果表明,回声状态网络模型的预测精度分别比ARIMA模型和BP神经网络模型提高了6.25%和3.85%,以时间序列相似性搜索结果作为模型输入数据能够进一步提高交通流短时预测的精度.
為瞭進一步提高交通流短時預測的效果,在分析現有預測模型存在問題的基礎上,設計瞭1種基于時間序列相似性搜索的交通流短時多步預測方法.利用界標模型對交通流時間序列數據進行模式錶示,在歷史數據庫中搜索與噹前交通流時間序列相似度較高的歷史時間序列,進而確定與預測時刻相對應的歷史數據,利用迴聲狀態網絡模型實現交通流的短時多步預測.採用某特大城市快速路5 min採樣間隔的交通流量數據進行實驗驗證和對比分析.實驗結果錶明,迴聲狀態網絡模型的預測精度分彆比ARIMA模型和BP神經網絡模型提高瞭6.25%和3.85%,以時間序列相似性搜索結果作為模型輸入數據能夠進一步提高交通流短時預測的精度.
위료진일보제고교통류단시예측적효과,재분석현유예측모형존재문제적기출상,설계료1충기우시간서렬상사성수색적교통류단시다보예측방법.이용계표모형대교통류시간서렬수거진행모식표시,재역사수거고중수색여당전교통류시간서렬상사도교고적역사시간서렬,진이학정여예측시각상대응적역사수거,이용회성상태망락모형실현교통류적단시다보예측.채용모특대성시쾌속로5 min채양간격적교통류량수거진행실험험증화대비분석.실험결과표명,회성상태망락모형적예측정도분별비ARIMA모형화BP신경망락모형제고료6.25%화3.85%,이시간서렬상사성수색결과작위모형수입수거능구진일보제고교통류단시예측적정도.