基于MI-CEEMDAN-ADABOOST的快速路短时交通流预测

摘要：

短时交通流预测是动态交通管理与控制领域的重要问题之一,然而当前大多数交通流预测模型针对交通流的多种特性考虑不足,预测精度与稳定性较差.为提高快速路的短时交通流预测精度,建立了一种能够捕获多种交通流特性的交通流预测模型,提出了一种基于互信息量-自适应经验模态分解-自适应增强的组合预测模型.以快速路历史交通流数据为基础,利用MI加权算法处理交通流之间的时间相关性,筛选出与目标路段交通流相关性最高的历史数据.对相关性最高的历史数据进行CEEMDAN模态分解,得到多个本征模函数分量.计算了各个本征模函数分量的排列熵值(PE),筛选出能够反映目标路段交通流特性的有效分量,并将有效分量构建为重组子序列.之后,对重组后的子序列分别构建了BP-Adaboost短时交通流预测模型,将子序列的预测值叠加构成最终的短时交通流预测结果.最后,选取实际快速路交通流数据进行了验证.结果表明:所提出的MI-CEEMDAN-ADABOOST预测模型的均方根误差、平均均方误差、平均绝对百分误差均低于其他预测模型,预测误差最小,预测精度最高.针对同一预测模型而言,经过MI-CEEMDAN处理的模型各项预测误差指数明显降低,预测精度有所提高.

关键词：智能交通、时间序列、短时流量预测、组合预测、预测模型

所属期刊栏目：39

分类号：U491.1+12(交通工程与公路运输技术管理)

资助基金：广东省重点领域研发计划项目2019B110206001

在线出版日期：2022-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：136-143