10.13607/j.cnki.gljt.2022.03.022
基于K近邻与主成分分析的短时交通流预测
为有效预测高速公路短时交通流,提出一种将K近邻(KNN)法和主成分分析(PCA)法相结合的KNN-PCA法.工作流程为:1)采用KNN法筛选出与当前状态相似的多条交通流(即近邻);2)将所有相似交通流延拓至待预测时刻,并将其表达为矩阵形式后进行PCA以得到主成分;3)将当前交通流延拓至预测时刻并将其表达为少数起主要贡献主成分的线性组合;4)采用最小二乘法直接得到这些主成分的组合系数估计值;5)基于组合系数估计值,将这些主成分再次线性组合后,直接提取预测时刻的交通量.基于高速公路实测交通流进行数据分析,应用结果表明,KNN-PCA法原理清晰,计算简单,具有良好的预测能力,能很好地预测短时交通流的变化趋势.
短时交通流、高速公路、最近邻、主成分分析、线性组合
38
U491.1+4(交通工程与公路运输技术管理)
江西省交通运输厅科技项目;江西省教育厅科学技术研究项目
2022-07-20(万方平台首次上网日期,不代表论文的发表时间)
共7页
138-144