基于Kernel-KNN高速公路异常交通态势预测研究
为更精准预测高速公路异常交通态势变化,基于Kernel-KNN算法原理提出了态势预测模型,并调研京石高速公路异常交通态势场景下交通管理及运行监测数据,基于历史数据中速度与交通态势非线性映射关系,在MATLAB中实现了预测过程,确定了预测模型最佳参数取值范围,最后验证了预测模型的有效性.结果表明:高速公路异常交通态势预测模型的精度主要与带宽值B、时间长度T和最近邻数k等3个参数相关,当B、k、T分别在[3,10]、[8,10]、[1,2]范围时,预测模型精度相对稳定,其预测平均绝对误差(MAE)为3.97、平均绝对百分比误差(MAPE)为6.95、均方根误差(RMSE)为3.96,模型精度优于其他算法,且以单日时段速度为例,其预测值与实际速度值较吻合.
交通工程、异常交通态势、Kernel-KNN算法、预测
68
U491.112(交通工程与公路运输技术管理)
河北省高等学校自然科学青年基金项目QN2020418
2023-03-21(万方平台首次上网日期,不代表论文的发表时间)
共5页
232-236